机器人将变得更有用的原因有三个

　　

　　

　　丰田研究所(Toyota Research Institute)、哥伦比亚大学(Columbia University)和麻省理工学院(MIT)的研究人员在一种名为模仿学习(imitation learning)的人工智能学习技术和生成式人工智能的帮助下，能够迅速教会机器人执行许多新任务。他们相信，他们已经找到了一种方法，可以将驱动人工智能的技术从文本、图像和视频领域扩展到机器人运动领域。

　　其他许多人也利用了通用人工智能。Covariant是一家从OpenAI现已关闭的机器人研究部门剥离出来的机器人初创公司，它建立了一个名为RFM-1的多模态模型。它可以接受文本、图像、视频、机器人指令或测量等形式的提醒。创造性的人工智能使机器人既能理解指令，又能创建与这些任务相关的图像或视频。

　　3. 更多的数据可以让机器人学习更多的技能

　　像GPT-4这样的大型人工智能模型的强大之处在于从互联网收集的大量数据。但这并不适用于机器人，因为机器人需要专门收集的数据。他们需要实际演示如何打开洗衣机和冰箱，如何拿起盘子或叠衣服。目前，这些数据非常稀缺，需要人们花费大量时间来收集。

　　谷歌DeepMind发起了一项名为Open X Embodiment Collaboration的新计划，旨在改变这种状况。去年，该公司与34个研究实验室和大约150名研究人员合作，从22个不同的机器人收集数据，包括Hello Robot的Stretch。最终的数据集于2023年10月发布，其中包括展示527种技能的机器人，如拾取、推动和移动。

　　早期迹象表明，数据越多，机器人就越聪明。研究人员构建了两个版本的机器人模型，称为RT-X，可以在每个实验室的计算机上本地运行，也可以通过网络访问。更大的、可网络访问的模型是使用互联网数据进行预训练的，以发展“视觉常识”，或者从大型视觉和语言模型中对世界的基本理解。当研究人员在许多不同的机器人上运行RT-X模型时，他们发现机器人学习技能的成功率比每个实验室开发的系统高50%。

　　点击这里阅读更多我的故事。

　　创新的人工智能可以把你最珍贵的记忆变成从未存在过的照片

　　20世纪40年代，玛丽亚在西班牙的巴塞罗那长大。她对父亲最初的记忆很清晰。当玛丽亚六岁的时候，当她想看邻居的时候，她经常去他的公寓。从那里，她可以越过阳台栏杆看到下面的监狱，并试图通过牢房的小窗户看一眼他，他因为反对弗朗西斯科·佛朗哥的独裁统治而被关在那里。阳台上没有玛丽亚的照片。但现在她可以保留这样的东西:一张假照片或基于记忆的娱乐。