人做动作前会先想一遍。伸手拿杯子之前,脑子里已经有一次成功拿到的画面。机器人现在也开始这么干了,这叫预演。问题在于,预演到底算不算思考,还是只是一种更快的查表。
预演与查表的差别在哪?
查表是命中已有模式:见过这个杯子,知道这样抓能成。预演是从当前状态出发,推演出几步之后的状态。前者靠经验覆盖,后者靠状态转移。
差别在遇到没见过的组合时暴露。查表会卡住,因为没有对应条目;预演可以拼,把已知的物理规律套到新组合上,得出一个大致可行的动作。
为什么预演比反应更像智能?
反应是被动的,刺激来了才动。预演是主动的,可以在没有刺激时先跑一遍。主动跑的那一遍,产生了「如果」这种结构。
会问如果的存在,才可能规划。规划是智能最实用的外壳:把未来的代价挪到现在来付,用算力换风险。
预演一定要精确吗?
不需要。人对世界的预演极不精确,但足够用。你知道把杯子放在桌边会掉,具体掉多快、弹几下,你算不出来,也不影响你做决定。
机器人也一样。世界模型追求的不是像素级还原,是关键时刻的排序正确:哪条路更可能失败,哪条路代价更大。排序对了,动作就稳。
预演失败会长什么样?
长两种。一种是过度自信,内部推演一路顺利,现实第一步就崩。另一种是过度保守,内部把所有路径都标成危险,最后不敢动。
前者是模型太乐观,训练数据里成功样本太多。后者是模型太悲观,惩罚项给得太重。两种都不是智能不够,是权重偏了。
开源之后预演会变便宜吗?
会。预演贵在试错数据和算力,权重开源把这两样摊薄了。小厂不必从零学物理,只要在开源模型上对齐自家身体,就能得到可用的内部推演。
这带来一个副作用:预演能力会迅速同质化。大家的机器人都能预演抓取,差距就落到传感器精度和关节响应上。智能的竞争重新变回硬件的竞争。
所以这一步算思考吗?
算半个。它有思考的形式:内部模拟、路径比较、代价前置。它缺思考的另一半:对自己的推演有立场。
人预演完了会说「这样不稳」,那个不稳是判断,不是概率。机器人现在给的是概率。概率够用,判断还没有。
承认这半个,比硬说它已经会思考要诚实,也比说它只是查表要准确。
同簇还有哪几篇值得一起看?
想就这个话题接着到论坛聊吗?
前往 ziyuanagi.com 论坛 参与讨论