怀玉公主

帮老人翻身，机器人还得学多久？_我的网站

A |     《Buddy》将于8月28日星期五在影院上映。很难言表2014年《Too Many Cooks》在Adult Swim深夜时段无预警播出时是多么具有颠覆性且令人惊叹。

B | 在11分钟的时间里，导演Casper Kelly精心编排了一场最初看似致敬80和90年代多机位情景喜剧片头的表演，但随后迅速演变成一场打破媒介的超现实噩梦。    “今天的AI会写诗，会写代码，会做PPT，但它帮不了一位老人翻身。”          近日，复旦大学浩清特聘教授、通用物理智能研究院院长苏昊在一场论坛中这样描述当前的行业困境。         当下的AI，正在发展出一种新的反差。在数字世界里，模型越来越聪明，能帮人干活；但在物理世界里，它还远未真正进入人类的生活。虽然Kelly将这种“诱导转向”的能量延续到了2021年的长片《Adult Swim Yule Log》中，但《Buddy》才更像是《Too Many Cooks》真正的精神续作。         苏昊认为，AI还不够可靠的原因在于，当前大模型学习的是语言，这是人类对世界的经验与描述，而非世界本身。它最初呈现为一档类似《巴尼与朋友们》（Barney & Friends）的失传儿童启蒙节目，同样利用了该媒介甜腻的包装，作为一种载体，引导观众进入一场尖锐且聪明的疯狂之旅。在《Buddy》那段洗脑的主题曲结束之前，影片采用的符合90年代特征的4:3画幅比、摄影棚式的镜头覆盖以及欢快的审美，都完美地确立了其儿童节目的形式边界。独角兽Buddy（Keegan-Michael Key配音）笨拙地宠爱着那些整天待在俱乐部的孩子们，并与其他拟人化的物体一起，教导他们关于舞蹈或如何负责任地使用家用清洁产品的课程。“它能流利地描写‘杯子掉在地上会碎’，却从没有机会感受一只杯子的重量。这一集结束，演职员表滚动，第二天生活重新开始。”          那么，真正走出屏幕，AI还需要跨越什么？          图/图虫创意          幻觉          过去一年，具身智能是AI产业最受关注的方向之一。正如孩子们逐渐意识到的那样，这是一个掩盖了Buddy更具恶意企图的循环。影片的第一幕完全集中在强化孩子们看待世界的玫瑰色滤镜的破碎上，而Keegan-Michael Key对这只橙色独角兽的配音表现很好地强化了这种基调的转变。         从实验室到各大展会现场，人形机器人刷新着从行走、奔跑，到搬运、分拣，甚至做简单家务等多种技能。

C | Key擅长在Buddy那甜言蜜语的音乐性嗓音中点缀些许危险信号，又不会让事情过快地变得过于阴森，因此当早期出现暴力爆发时，确实让人感到意外且令人毛骨悚然。《Buddy》毫不犹豫地揭示了其核心构思以及打算如何推进这一构思。其中一个孩子几乎立刻就对Buddy感到厌倦，而这种轻视的后果吸引了Freddy（Delaney Quinn饰）的好奇心，她是另一个受制于Buddy的孩子。与过去依靠固定程序运行的工业机器人不同，新一代机器人正在借助大模型、多模态感知等技术，试图理解开放环境、自主决策、执行复杂任务。         但能力展示到真正承担工作之间，仍有一道鸿沟。         在工厂里，机器人面对的是高度结构化的环境，工位固定、零件标准化、任务目标清晰。因此，即使机器人的泛化能力有限，也可以通过大量数据训练和工程优化，完成相对稳定的工作。Quinn的表演与Key一样，在控制力方面令人印象深刻，从未超出Kelly在任何特定时刻设定的基调。         但当环境从流水线变成家庭、医院或者养老院等开放环境，问题开始变得复杂。组成Buddy帮派的其他孩子偶尔也有闪耀的机会，但Freddy是唯一真正有空间发展角色深度的孩子，而不仅仅是“巴尼节目中台词比别人少的孩子”这种刻板形象。         拿起一只杯子，看似只是一个简单动作，但背后涉及对杯子材质、重量、空间位置的判断，以及力量大小的控制；帮助老人翻身，也不仅是完成一个动作，而是需要根据人的身体状态和姿势来及时调整。基调确实是《Buddy》的亮点：随着电影的推进，那种愈发明显的邪恶潜流管理得非常好，这无疑是Kelly的招牌强项。自发布以来的12年里，《Too Many Cooks》激发了无数模仿者，但《Buddy》证明了Kelly在将微笑、空洞的积极性转化为黑暗的疯狂屋方面是顶尖水平。导演热衷于揭示更多关于会说话的无生命物体的信息，如Strappy（Patton Oswalt饰）、信箱先生（Eric Bauza饰）、火车查理（Michael Shannon饰），以及他们在何种程度上能够看透Buddy的烟幕。尤其是Oswalt饰演的Strappy，成为了Freddy和其他孩子非常愉快的伙伴，尽管他没有大段的台词，但每一句都分量十足。

D |          这些能力，对于人类而言来源于长期的生活经验，但对于机器人而言，却是一片尚未充分学习的领域。Shannon还分饰了第二个拟人化角色，并配合电影中最佳的客串登场，以一种不同风格的儿童节目形式呈现，在一部本就已经疯狂的电影中显得尤为疯狂。         在苏昊看来，最本质的原因在于，模型学的一直是语言，而语言是世界的投影；模型学的一直是这道影子，却从未见过投下影子的实体。

E |          “你可以在屏幕里雄辩，但你说服不了重力。”苏昊讲道。         这也是当前物理智能发展的核心难题：机器人并不是不会做动作，而是不知道什么时候该做、该怎么做，以及如何一直做对。         这一看法也得到了多位具身智能领域专家和从业者的认同。

F | 《Buddy》证明了Kelly在将微笑、空洞的积极性转化为黑暗的疯狂屋方面是顶尖水平。Anna Kathleen的布景设计和Devon Hawkes Ludlow的木偶设计都是《Buddy》中的亮点，对电影的整体成功至关重要。         智元合伙人、觅蜂科技董事长兼CEO姚卯青指出，当前大部分模型建立在视频生成模型基础上，但视频更多记录的是世界的外观变化，并不能完整呈现物理规律。例如，仅通过视频可以看到物体的位置和运动，却难以感知质量、力量、摩擦等信息，而这些恰恰是机器人完成操作任务时不可缺少的能力。布景的基色和厚重的卡通建筑质感完美地融合了Kelly显而易见的灵感来源，使得这部大杂烩中的任何一种元素都不会显得过于突兀，这足以让《Buddy》拥有鲜明的特色并独立存在。Ludlow的木偶作品在此具有多功能性，也很好地代表了《Buddy》的基调，呈现出极具吸引力的外壳，内部则为各种内脏和污秽留出了空间，看到这些东西倾泻而出总是让人感到满足。         它石智航创始人兼CEO陈亦伦也提到，机器人面对的是一个不断交互的物理世界，不仅需要观察，还需要通过行动改变环境，并根据反馈不断调整。机器人不能只知道下一步做什么，还需要知道做完之后世界会如何改变。         补课          而物理智能想要突破，关键在于让AI获得类似人类的物理世界经验。         在苏昊看来，要做到这一点，首先要给AI补上的，是真正的物理世界知识。         他将掌握过程分为六层，由底层向上分别是物体知识、状态知识、动力学知识、功能知识、目标知识、行为知识，即从认识物体，到理解物体的状态，再到掌握动力学规律，譬如球会滚走、水会流动；进一步，还包括理解物体在绑定主体后而被赋予的功能、目标，以及知道怎么做想做、要做的事儿。         “端一杯水穿过房间不洒，是分寸；系鞋带、用筷子，这个是巧劲。音乐也是《Buddy》身份的重要组成部分，《Too Many Cooks》的作曲家Shawn Coleman提供了朗朗上口的小曲，这些歌曲忠于电影的血统，并且在观影体验中变得比你预期的更重要。尽管追踪Buddy面具滑落的细节很有趣，但影片早期对儿童节目视觉语言的坚持很快就让人感到乏味，而节奏确实成为了《Buddy》贯穿始终的唯一重大缺陷。而这些本事不写在书上，是长在手上的。即使只有96分钟，《Buddy》给人的感觉却很漫长，这主要归因于故事的本质为孩子们质疑为何要在Buddy的俱乐部待这么久打开了大门，这反过来又引导他们去挑战自身存在的边界。

G | ”苏昊讲道，“从物体到行为，越往上越不是看会的，越得在物理世界中亲手去做。所有这些环节契合的机制给电影带来了一种断断续续的质感，使得整体的势头有所欠缺。尽管影片基调的清晰度和力度非常稳定（即使节奏不稳定），但这确实引起了人们对视觉不一致性的过度关注。”          虽然互联网让语言知识得到了空前规模的聚合，但物理世界的知识却仍然散落在实验数据、工业生产、视频记录以及人的实践经验中，并没有形成一套完整的数据体系。

H |          因此，在苏昊看来，物理智能的突破口不在模型的架构，而在知识的聚合。作为观众，当我们观看《Buddy》时，全屏4:3画幅比的“大本营”外观旨在暗示我们正将Buddy电视节目体验为现实。但电影后期，我们有理由在宽屏电视上看到该电视节目的片段。在那些时刻，Buddy电视节目以更现代的16:9画幅比显示。         这当然并不容易。         “聚合这件事注定超出任何一家机构的边界。这当然是吹毛求疵，但导演越是推行这种高概念，小细节就越需要统一，以免破坏悬念的代入感。视频在互联网上，方程在教科书里，力学数据在各家实验室里，操作的直觉在亿万劳动者身上，没有谁能独自集齐这套阶梯。这并不是主要的干扰项，但创造一个如此值得仔细观察的世界确实是一把双刃剑，Kelly偶尔也会伤到自己。《Buddy》的曲折情节值得尽可能地保留悬念，但当Cristin Milioti和Topher Grace饰演的更为写实的角色在第二幕出现时，对Buddy最初形式身份的疲劳感发生了最有趣的转变。它需要整个行业乃至全社会的通力协作，共建数据、共立标准、共享仿真评测等基础设施。

I | ”苏昊谈道。

J | 当《Buddy》开始揭示故事走向的轮廓时，Milioti成为了电影的灵魂人物。随着她意识到Buddy的本性，Milioti饰演的Grace通过她熟练且具适应性的表演为电影增添了许多深度。         这需要的真实世界数据量级也相当惊人。

K | 在她与Buddy之间一次真正令人不安的遭遇中，她对基调的掌控得到了最强有力的体现，这让一部黑暗的电影变得比你预期的还要黑暗。         陈亦伦以大众熟悉的自动驾驶举例，一个工业级可用的自动驾驶系统，训练需要的纯视频数据大概100万个小时，这还只是处理非碰撞的物理系统；而具身智能要刻画复杂物理规律，并执行与物体有交互的操作，需要的视频数据规模在1000万个小时的量级。         更重要的是，理解世界还只是第一步。像Five Nights at Freddy's: Secret of the Mimic、《威利的游乐园》和《小熊维尼：血与蜜》这类电影多年来一直在推高“吉祥物恐怖”的地位，但《Buddy》的独特之处在于它引起了人们对使用“毒性积极”来掩盖日常生活黑暗面的警觉。在某种程度上，你确实能清楚地预感到《Buddy》的结局，但就像生活一样，过程即终点，Kelly在途中投出了足够多的变化球，使得略显平庸的结局不至于让人感到不满。真正决定机器人能否进入人类日常生活的，是可靠性。

L |          毕竟，现在要机器人完成一次动作并不难，难的是在真实环境中，把同一个动作稳定完成成千上万次。

M |          苏昊认为，物理智能的发展不会像ChatGPT那样，在一次发布会上突然爆发，而更像过去电气化的发展过程，先进入工厂、仓库等相对标准化的场景，再逐步走向医院、商业服务，最终进入家庭。         而这指向的是物理智能实现自己使命的路径。         “物理智能不是人的替代者，而是人的协作者，填补的是人手的缺口，把翻身、搬运这样的体力活交给机器，把照护者的时间，还给陪伴与关怀；把危险的作业交给机器，让人退到安全线之后，承担判断与创造。”作为坚定的物理智能乐观派，苏昊谈道，“物理智能的使命，是把人还给人。”          记者：石晗旭          （[email protected]）          编辑：余源。

Current article:http://www.rangnehongranlinren.bond/sdy1/95g4q.doc

Published on:11:19:16