2021年，馬斯克殺死了波士頓動(dòng)力

2021年的特斯拉AI Day，特斯拉PPT首發(fā)了人形機(jī)器人Tesla Bot的概念機(jī)設(shè)計(jì)方案。按照馬斯克畫(huà)的大餅，Tesla Bot可以完全代替人類(lèi)“從事重復(fù)性/無(wú)聊的工作”。

也許是擔(dān)心在場(chǎng)觀眾干看PPT無(wú)聊，馬斯克請(qǐng)來(lái)了一位身著緊身衣的皮套人，模仿Tesla Bot尬舞了一段。

AI Day結(jié)束，科技媒體The Verge表示，馬斯克的Tesla Bot就是個(gè)笑話[1]。文章還援引中央蘭開(kāi)夏大學(xué)機(jī)器人工程教授Carl Berry的評(píng)價(jià)：說(shuō)它是馬糞都算抬舉它了（horse shit sounds generous, frankly）。

Carl Berry還專(zhuān)門(mén)搬出機(jī)器人領(lǐng)域的網(wǎng)紅公司波士頓動(dòng)力，認(rèn)為后者正在踏踏實(shí)實(shí)的做事，而特斯拉在加深公眾對(duì)機(jī)器人不切實(shí)際的幻想。

今年4月，特斯拉的皮套人尬舞再度被拉出來(lái)鞭尸。在波士頓動(dòng)力展示新款機(jī)器人的視頻中，機(jī)器人以一種靈活到有些詭異的方式從地上站起來(lái)。

波士頓動(dòng)力也在推特上陰陽(yáng)怪氣了一句：“我們保證這不是一個(gè)穿著緊身衣的人。”

事情的起因是，波士頓動(dòng)力宣布11歲“高齡”的人形機(jī)器人Atlas正式退休——Atlas算得上是初代機(jī)器人網(wǎng)紅，它被波士頓動(dòng)力員工一棍子撂倒，接著踉踉蹌蹌爬起來(lái)的視頻，一度引發(fā)了“停止霸凌機(jī)器人”的后現(xiàn)代哲學(xué)思考。

結(jié)果Atlas領(lǐng)退休金的第一天，“煥新版”Atlas正式出道。最大的變化是，波士頓動(dòng)力拋棄了原有的液壓結(jié)構(gòu)，改為電機(jī)驅(qū)動(dòng)。

目前，“煥新版”Atlas的宣傳片已經(jīng)在YouTube上收獲了500多萬(wàn)播放量。

相比Atlas熟悉的后空翻大劈叉，相較之下，去年年底的第二代Tesla Bot才剛學(xué)會(huì)緩慢行走和90度深蹲。

加上馬斯克近幾年大餅畫(huà)的太多，也不難理解The Verge會(huì)提出“機(jī)器人為什么要像人”的質(zhì)疑。

然而，可能恰恰是2021年P(guān)PT上的Tesla Bot和滑稽的皮套人尬舞，決定了波士頓動(dòng)力的命運(yùn)。

谷歌發(fā)現(xiàn)了什么？

相比荒誕開(kāi)場(chǎng)的Tesla Bot，波士頓動(dòng)力這家公司是機(jī)器人領(lǐng)域根正苗紅的祖師爺。

波士頓動(dòng)力成立于1992年，前身是麻省理工學(xué)院的腿部實(shí)驗(yàn)室，長(zhǎng)期致力于有腿機(jī)器人的研究。

2012年，DARPA（美國(guó)國(guó)防高級(jí)研究計(jì)劃局）為了推動(dòng)機(jī)器人研究，資助了一場(chǎng)機(jī)器人挑戰(zhàn)賽，波士頓動(dòng)力由此進(jìn)入美國(guó)軍方的視野。

DARPA是五角大樓旗下的研究機(jī)構(gòu)，和NASA一起誕生于美蘇爭(zhēng)霸的白熱化時(shí)期，目的是借助國(guó)家意志確保美國(guó)在高科技領(lǐng)域的領(lǐng)先。只不過(guò)NASA負(fù)責(zé)地球以外，DARPA負(fù)責(zé)地球以?xún)?nèi)。過(guò)去幾十年間，DARPA直接或間接的推動(dòng)了GPS、互聯(lián)網(wǎng)等技術(shù)的誕生。

2012年，正值DARPA在機(jī)器人、自動(dòng)駕駛等領(lǐng)域大力投資，為了降低參賽門(mén)檻，DARPA希望能有一款標(biāo)準(zhǔn)化的人形機(jī)器人，供參賽團(tuán)隊(duì)編程。

在這之前，波士頓動(dòng)力已經(jīng)為DARPA開(kāi)發(fā)了多款產(chǎn)品，比如外型神似野豬的LS3，能夠穿梭于各種極端戰(zhàn)場(chǎng)環(huán)境，快速運(yùn)送物資。

波士頓動(dòng)力LS3

2013年7月，在DARPA的資助下，波士頓動(dòng)力打造出了身高1.88米，重達(dá)150千克的初代Atlas。這個(gè)新聞很快傳到了谷歌的耳朵里，波士頓動(dòng)力的命運(yùn)隨之改變。

當(dāng)時(shí)，谷歌正在秘密籌備一個(gè)代號(hào)為“Replicant（復(fù)制人）”的機(jī)器人項(xiàng)目，由“安卓之父”安迪·魯賓親自帶隊(duì)。按照魯賓的設(shè)想，谷歌將打造一個(gè)編程平臺(tái)，從而推動(dòng)機(jī)器人普及，最終在機(jī)器人身上復(fù)刻安卓系統(tǒng)的成功[3]。

為了這個(gè)龐大計(jì)劃，谷歌瘋狂掃貨，一口氣收購(gòu)了九家機(jī)器人初創(chuàng)公司，Atlas問(wèn)世不到半年，波士頓動(dòng)力就被谷歌收入囊中。此后，Atlas的迭代速度也坐上了火箭。

2016年，波士頓動(dòng)力毫無(wú)征兆的發(fā)布了一則新款A(yù)tlas的演示視頻，視頻中Atlas熟練的行走跳躍，尤其是被推倒在地后，仍能自主起身繼續(xù)完成工作，整個(gè)過(guò)程栩栩如生，帶給公眾的震撼不亞于2022年底ChatGPT的問(wèn)世。

?

目前，這條視頻的Youtube播放量已經(jīng)積累到了4059萬(wàn)。2017年，Atlas再接再厲，用一個(gè)精彩的后空翻再度把波士頓動(dòng)力送上全球熱搜。

Atlas表演后空翻，2017年

然而，就在波士頓動(dòng)力風(fēng)頭正盛的2017年，投資了五年之久的谷歌卻將其甩賣(mài)。按照彭博的說(shuō)法，谷歌管理層的核心分歧在于商業(yè)化。

波士頓動(dòng)力希望埋頭研究，但谷歌希望盡快打造能商業(yè)化的產(chǎn)品：“我們不可能用30%的資源去投入一個(gè)需要10年以上的項(xiàng)目[4]。”

在彭博的報(bào)道中，豐田和亞馬遜都是潛在的買(mǎi)家，但波士頓動(dòng)力最終被賣(mài)給了軟銀，2020年又被賣(mài)給了韓國(guó)現(xiàn)代。

谷歌內(nèi)部，安迪·魯賓因性丑聞被掃地出門(mén)，Replicant項(xiàng)目也草草收?qǐng)觯瑒澤弦粋€(gè)滿(mǎn)是遺憾的句號(hào)。

一家明星公司在當(dāng)打之年被潦草脫手，谷歌內(nèi)部真實(shí)的決策過(guò)程難以知曉。但在這個(gè)過(guò)程中起到?jīng)Q定性作用的，很可能是2017年發(fā)生在谷歌內(nèi)部的另一件事。

我來(lái)組成頭部

2017年6月，谷歌的8位AI科學(xué)家聯(lián)名發(fā)表了一篇名為《Attention Is All You Need》的論文。這是繼2012年AlexNet勇奪ImageNet挑戰(zhàn)賽冠軍之后，人工智能發(fā)展史上的又一個(gè)里程碑事件。

谷歌的科學(xué)家在論文里提出了一種“注意力機(jī)制”，并基于此開(kāi)發(fā)一個(gè)名叫Transformer（變形金剛）的深度學(xué)習(xí)模型，解決了傳統(tǒng)RNN模型的一系列問(wèn)題。

2020年，谷歌又提出了Vision Transformer ( ViT )概念，賦予了Transformer處理圖像的能力。

隨著Transformer一口氣解決了眾多缺陷，它漸漸發(fā)展成了AGI領(lǐng)域的唯一解。

2012年的AlexNet讓AI有了“感知”的能力，而Transformer和之后的大模型讓AI有了“生成”的能力。換句話說(shuō)，2012年的AI可以識(shí)別出各種各樣的貓，2017年之后的AI已經(jīng)可以自己生成貓的圖片了。

因此，Transformer的推出直接開(kāi)啟了今天的大模型時(shí)代，2018年6月，OpenAI推出了基于Transformer模型的GPT-1，GPT里的“T”，就是Transformer的首字母。此后，OpenAI沿著這條路線持續(xù)迭代，并基于GPT模型開(kāi)發(fā)了ChatGPT。

在大模型百花齊放的同時(shí)，Transformer也為人形機(jī)器人的進(jìn)步打開(kāi)了一扇窗戶(hù)。

傳統(tǒng)機(jī)器人大多基于特定的規(guī)劃執(zhí)行特定的操作，比如運(yùn)輸、分揀，不具備感知和決策能力。人形機(jī)器人不僅能與物理世界交互，還有感知和理解能力。

舉一個(gè)不太恰當(dāng)?shù)美斫獾睦樱?strong>送餐機(jī)器人執(zhí)行“把外賣(mài)送到1203號(hào)房”這個(gè)任務(wù)時(shí)，并不理解什么是“外賣(mài)”和“1203號(hào)房”，只是根據(jù)軟件系統(tǒng)既定的指令和路線規(guī)劃完成任務(wù)。

但人形機(jī)器人可以借由智能化，理解物理世界各種物體、語(yǔ)言和文字的含義，并自主規(guī)劃和決策。也就是說(shuō)，機(jī)器人可以不依賴(lài)預(yù)先的編程，就能完成諸如“關(guān)掉最上層抽屜”等較為模糊的指令。

波士頓動(dòng)力的問(wèn)題在于，無(wú)論Atlas的機(jī)械與動(dòng)力結(jié)構(gòu)多么優(yōu)秀，都無(wú)法解決“窮舉法”的問(wèn)題。

Atlas的軟件原理是通過(guò)攝像頭與傳感器輸入外界環(huán)境數(shù)據(jù)，再根據(jù)提前創(chuàng)建的行為庫(kù)，執(zhí)行對(duì)應(yīng)的動(dòng)作。在其官方的文檔里，波士頓動(dòng)力坦誠(chéng)了這么做的弊端：

“如果盒子向一側(cè)移動(dòng)了0.5 米，那么Atlas會(huì)找到并完成跳躍；如果盒子移動(dòng)得太遠(yuǎn)，那么系統(tǒng)將停止[5]。”

由于Atlas的所有動(dòng)作都依賴(lài)提前設(shè)計(jì)的模版，那么真實(shí)環(huán)境的一點(diǎn)點(diǎn)變化，都可能讓機(jī)器人無(wú)所適從。這也是為什么傳統(tǒng)機(jī)器人只被用于環(huán)境、路線和職能極度固定的工廠、酒店送餐等場(chǎng)景。

而Transformer帶來(lái)的思路是，只要讓機(jī)器學(xué)習(xí)足夠多的數(shù)據(jù)，就能擁有類(lèi)人的智能，可以脫離預(yù)設(shè)的規(guī)劃進(jìn)行自主決策。

去年7月《紐約時(shí)報(bào)》探班谷歌實(shí)驗(yàn)室， 完整記錄了基于RT-2模型的機(jī)器人智能閃現(xiàn)的瞬間：

桌子上放著一堆塑料玩具，工程師讓單臂機(jī)器人“撿起滅絕的動(dòng)物”，機(jī)器人拿起了恐龍。

這意味著機(jī)器人不僅能識(shí)別三種動(dòng)物，也能理解“滅絕的動(dòng)物”的含義，還可以完成具體的操作。

Google RT-2

Transformer的出現(xiàn)徹底改變了機(jī)器人的技術(shù)路徑，在感知-決策-執(zhí)行的完整鏈條中，核心能力不再是驅(qū)動(dòng)機(jī)器人后空翻大劈叉的機(jī)械結(jié)構(gòu)，而是組成機(jī)器人大腦的軟件算法。

人工智能的進(jìn)步在各行各業(yè)上演著軟件對(duì)硬件的奪權(quán)，機(jī)器人只是其中之一。

另一個(gè)正在由軟件定義的行業(yè)是自動(dòng)駕駛，這也是為什么馬斯克會(huì)說(shuō)：當(dāng)你能解決自動(dòng)駕駛，你就能解決現(xiàn)實(shí)世界中的人工智能。

特斯拉的三張牌

特斯拉在AI世界的出場(chǎng)，常常呈現(xiàn)某種荒誕不經(jīng)的色彩。

2022年特斯拉備受期待的Tesla Bot第一次“真人”亮相，居然要依靠三名壯漢攙扶。兩個(gè)月后ChatGPT橫空出世，Tesla Bot成了一塊無(wú)人問(wèn)津的背景板。

然而，特斯拉在機(jī)器人領(lǐng)域的積累，可能比任何一家公司都要深厚。

自動(dòng)駕駛本質(zhì)上是機(jī)器人的一個(gè)“前置產(chǎn)業(yè)”，兩者的核心都是基于人工智能，實(shí)現(xiàn)感知-決策-執(zhí)行的完整鏈條。

這就意味著無(wú)論是軟件層面的算法，還是硬件層面的視覺(jué)傳感器、FSD芯片等零部件，理論上都可以用于人形機(jī)器人。

特斯拉也的確是這么做的：Tesla Bot共配置有3顆攝像頭，左右眼各一個(gè)，外加一顆魚(yú)眼廣角。芯片是和特斯拉電動(dòng)車(chē)一模一樣的FSD自動(dòng)駕駛芯片。軟件上，Tesla Bot也承襲了自動(dòng)駕駛的技術(shù)方案。

2023年特斯拉股東大會(huì)，馬斯克也確認(rèn)了這一點(diǎn)：特斯拉已經(jīng)打通了自動(dòng)駕駛芯片F(xiàn)SD和機(jī)器人的底層模塊，實(shí)現(xiàn)了一定程度的算法復(fù)用。

任何人工智能的發(fā)展都需要算法、算力、數(shù)據(jù)三駕馬車(chē)來(lái)拉動(dòng)，算法決定了計(jì)算機(jī)用什么方式識(shí)別事物；但算法又需要足夠大的算力來(lái)驅(qū)動(dòng)；同時(shí)，算法的提升又需要大規(guī)模高質(zhì)量的數(shù)據(jù)；三者相輔相成，缺一不可。

算法和算力層面，特斯拉已經(jīng)借助電動(dòng)車(chē)業(yè)務(wù)，完成了從云端（D1）到終端（FSD），核心軟硬件的自研。

數(shù)據(jù)層面，2022年的AI Day上，特斯拉宣稱(chēng)已經(jīng)存儲(chǔ)的有價(jià)值訓(xùn)練數(shù)據(jù)集有23.2萬(wàn)幀，驗(yàn)證數(shù)據(jù)集0.38萬(wàn)幀。上百萬(wàn)車(chē)主正在源源不斷的為算法訓(xùn)練貢獻(xiàn)著數(shù)據(jù)。

馬斯克本人在AI領(lǐng)域的涉足也常被忽略，他是OpenAI的創(chuàng)始人之一，也是DeepMind的早期投資人。他參與的人工智能公司還有腦機(jī)芯片Neuralink、聊天機(jī)器人Grok。特斯拉每天接受并處理的視頻畫(huà)面超過(guò)1600億幀，這很可能是商業(yè)公司能擁有的最大的真實(shí)世界數(shù)據(jù)集。

波士頓動(dòng)力很可能意識(shí)到了這個(gè)問(wèn)題，但“煥新版”Atlas最大的改變，是從液壓改為全電動(dòng)，最大的好處可能是降低成本。

在一次采訪中，創(chuàng)始人Marc Raibert曾表示Atlas在一定程度上激勵(lì)了馬斯克制造Tesla Bot的想法。但在人工智能殘酷的競(jìng)爭(zhēng)中，波士頓動(dòng)力已經(jīng)落后太多。

波士頓動(dòng)力的問(wèn)題在于，他們用了20年的時(shí)間試圖教會(huì)機(jī)器人如何“運(yùn)動(dòng)”，但實(shí)際上，機(jī)器人應(yīng)該先學(xué)會(huì)“思考”。

或許在不久的將來(lái)，判斷機(jī)器人的智能化程度，可能不是看它會(huì)不會(huì)后空翻大劈叉，而是能不能從九張圖片中選出包含紅綠燈或摩托車(chē)的圖片，或者滑動(dòng)滑塊使圖片位于正確的角度。

參考資料

[1] Don’t overthink it: Elon Musk’s Tesla Bot is a joke，The Verge

[2] Modest Debut of Atlas May Foreshadow Age of ‘Robo Sapiens’，The NewYorker Times

[3] Google’s Andy Rubin Pursues ‘Replicant’ Robots，The Information

[4] Google Puts Boston Dynamics Up for Sale in Robotics Retreat，bloomberg

[5] Flipping the Script with Atlas，Boston Dynamics

[6] Elon Musk was likely inspired by Boston Dynamics' humanoid robot, its founder says，Businessinsider

編輯：李墨天

視覺(jué)設(shè)計(jì)：疏睿

責(zé)任編輯：李墨天