谷歌為Alphabet的輔助機器人增加了人工智能語言技能以更好地理解人類

谷歌的母公司Alphabet正在將其最雄心勃勃的兩個研究項目——機器人技術和人工智能語言理解——結合在一起，試圖制造出能夠理解自然語言命令的“輔助機器人”。

自2019年以來，Alphabet一直在開發可以執行簡單任務的機器人，例如取飲料和清潔表面。這個EverydayRobots項目仍處于起步階段-機器人速度緩慢且猶豫不決-但機器人現在已經升級：谷歌的大型語言模型(LLM)PaLM改進了語言理解。

大多數機器人只響應簡短的指令，比如“給我拿一瓶水”。但是像GPT-3和谷歌的MuM這樣的LLM能夠更好地解析更多傾斜命令背后的意圖。在Google的示例中，您可能會告訴EverydayRobots原型之一“我把飲料灑了，你能幫忙嗎?”機器人通過可能動作的內部列表過濾此指令，并將其解釋為“從廚房給我拿海綿”。

是的，對于“智能”機器人來說，這是一個低標準，但它絕對仍然是一個進步!如果那個機器人看到你灑了一杯飲料，聽到你大喊“哦，天哪，我的愚蠢飲料”然后幫忙，那將是真正聰明的事情。

谷歌將由此產生的系統命名為PaLM-SayCan，這個名稱捕捉了該模型如何將LLM的語言理解技能(“Say”)與其機器人的“可供性基礎”(即“Can”——通過可能的動作過濾指令)相結合。

谷歌表示，通過將PaLM-SayCan集成到其機器人中，機器人能夠在84%的時間內計劃對101條用戶指令的正確響應，并在74%的時間內成功執行這些指令。這是一個可靠的命中率，但這些數字應該加一點鹽。我們沒有101個命令的完整列表，因此不清楚這些指令的限制程度。他們真的捕捉到了我們期望真正的家庭助手機器人能夠理解的語言的全部廣度和復雜性嗎?這不太可能。

那是因為這對谷歌和其他從事家用機器人工作的人來說是一個巨大的挑戰：現實生活非常混亂。我們想問一個真正的家用機器人有太多復雜的命令，從“清理我剛剛灑在沙發下的麥片”到“炒洋蔥做面醬”(這兩個命令都包含大量暗示知識，從如何清理谷物，到冰箱里的洋蔥在哪里以及如何準備它們，等等)。

這就是為什么本世紀唯一取得哪怕一點點成功的家用機器人——機器人真空吸塵器——在生活中只有一個目的：吸塵。

隨著人工智能在視覺和導航等技能方面的改進，我們現在看到新型機器人進入市場，但這些機器人的功能仍然有目的地受到限制。例如，看看LabradorSystems的Retrieverbot。它基本上是一個帶輪子的架子，可以將物品從房子的一個部分移動到另一個部分。這個簡單的概念肯定有很大的潛力——獵犬機器人可能對行動不便的人非常有用——但我們距離夢想中的無所不能機器人管家還有很長的路要走。