英偉達(dá)研究人員在機(jī)器人靈活性方面取得了重大飛躍，這要?dú)w功于 Eureka，這是一種人工智能代理，據(jù)稱可以像人類一樣熟練地教機(jī)器人復(fù)雜的技能，比如轉(zhuǎn)筆技巧。

機(jī)器人與人類互動，人工智能，AI© 由 站長之家 提供

圖源備注：圖片由AI生成，圖片授權(quán)服務(wù)商Midjourney

根據(jù)上周四發(fā)布的一份論文，這項(xiàng)新技術(shù)建立在近期對大型語言模型（例如 OpenAI 的 GPT-4）的進(jìn)展之上。Eureka 利用生成式 AI，自主編寫復(fù)雜的獎勵算法，使機(jī)器人能夠通過反復(fù)試驗(yàn)和強(qiáng)化學(xué)習(xí)來學(xué)習(xí)。論文中指出，這種方法已經(jīng)比人工編寫的程序更有效，提高了 50% 以上。

英偉達(dá)的官方博客中表示：「Eureka 還教會了四足機(jī)器、靈巧機(jī)械手、協(xié)作機(jī)械臂和其他機(jī)器人打開抽屜、使用剪刀、接住球以及近 30 項(xiàng)不同的任務(wù)。」

Eureka 是英偉達(dá)在引導(dǎo) AI 語言模型方面的最新示范。最近，該公司開源了 SteerLM——一種通過訓(xùn)練 AI 助手獲取人類反饋，使其更有幫助性的方法。

與 Eureka 類似，SteerLM 也利用了語言模型的進(jìn)展，但將其重點(diǎn)放在了不同的挑戰(zhàn)上——改善 AI 助手的對齊。SteerLM 通過讓助手進(jìn)行會話練習(xí)來進(jìn)行訓(xùn)練，就像機(jī)器人通過實(shí)踐學(xué)習(xí)一樣。該系統(tǒng)通過樂于助人、幽默和質(zhì)量等屬性對助理的反應(yīng)提供反饋。

例如，這就像一個機(jī)器人從標(biāo)記為好或壞的視頻中學(xué)習(xí)跳舞，而不是讓人類審核成千上萬個隨機(jī)跳舞并選擇哪些是好的或不好的（這是典型的 AI 聊天機(jī)器人的訓(xùn)練方式）。通過不斷練習(xí)并獲得反饋，助手學(xué)會提供適合用戶需求的回應(yīng)。這有助于使 AI 在實(shí)際應(yīng)用中更有益。

共同之處在于創(chuàng)造性地將先進(jìn)的神經(jīng)網(wǎng)絡(luò)應(yīng)用于新的領(lǐng)域，不論是教機(jī)器人還是聊天機(jī)器人。英偉達(dá)在硬件和軟件兩方面都在突破界限。

對于 Eureka 來說，關(guān)鍵在于將 Isaac Gym 等模擬技術(shù)與語言模型的模式識別能力相結(jié)合。Eureka 有效地「學(xué)會學(xué)習(xí)」，在多次訓(xùn)練中優(yōu)化自己的獎勵算法。它甚至接受人類輸入以調(diào)整獎勵。

到目前為止，這種自我改進(jìn)的方法已被證明具有高度的通用性，可以訓(xùn)練各種類型的機(jī)器人——四足、輪式、飛行和靈巧機(jī)械手。

英偉達(dá)的 Eureka 和 SteerLM 不僅打破了障礙，還向機(jī)器人和人工智能傳授技巧和富有洞察力的交互藝術(shù)。通過每一次揮筆和機(jī)智的聊天，他們正在勾勒出一個未來，人工智能不僅會模仿，而且會與我們一起創(chuàng)新。