文生視頻模型Pika創(chuàng)始人郭文景(Demi Guo )，“Mobile Aloha”全能家務(wù)機(jī)器人研發(fā)團(tuán)隊(duì)成員符梓鵬 (Zipeng Fu)、趙子豪 (Tony Zhao)以及史瀟洋 (Lucy Shi)……斯坦福大學(xué)人工智能實(shí)驗(yàn)室里年輕的華人研究者身影頻頻引發(fā)關(guān)注。

史瀟洋三人同屬于斯坦福IRIS （Intelligence through Robotic Interaction at Scale)Lab，導(dǎo)師為Chelsea Finn。史瀟洋最新的研究成果是名為“Yell At Your Robot”（簡稱YAY Robot)的系統(tǒng)。有了這個(gè)系統(tǒng)，可以通過“喊話”來訓(xùn)練機(jī)器人。澎湃科技（www.loaarchitects.com.cn)近日專訪了她。

史瀟洋

23歲的史瀟洋，2019年畢業(yè)于中國人民大學(xué)附屬中學(xué)后進(jìn)入南加州大學(xué)就讀計(jì)算機(jī)專業(yè)。其間，她曾在英偉達(dá)研究多模態(tài)大模型，并曾與知名AI學(xué)者Chelsea Finn, Sergey Levine, Jim Fan博士合作，也曾受谷歌DeepMind邀請發(fā)表過演講。

以學(xué)生研究員身份加入斯坦福大學(xué)人工智能實(shí)驗(yàn)室的史瀟洋，最大的感受是斯坦福自由的學(xué)術(shù)氛圍。在這里，可以得到更多人工智能、 計(jì)算機(jī)領(lǐng)域的人脈以及研究資源的支持。同時(shí)，她也能感受到硅谷AI創(chuàng)業(yè)氛圍的熱烈，可謂機(jī)遇與風(fēng)險(xiǎn)并存。身邊會(huì)有人工智能創(chuàng)業(yè)團(tuán)隊(duì)，甚至還沒有正式的企業(yè)名字和商業(yè)計(jì)劃，就吸引了7000萬美元的投資資金。

作為年輕的技術(shù)理想主義者，史瀟洋的研究目標(biāo)是，創(chuàng)造聰明的機(jī)器人，流暢地執(zhí)行人類日常的復(fù)雜、長期的任務(wù)，“從家庭到工廠，幫助人處理乏味和危險(xiǎn)的事情?！彼龍?jiān)信人類的聰明才智和人工智能的潛力。

以下是澎湃科技與史瀟洋對話實(shí)錄：

“家務(wù)場景讓機(jī)器人可以更深度學(xué)習(xí)”

澎湃科技：之前出圈的Mobile Aloha是一款家務(wù)機(jī)器人，這次的Yell at Your Robot系統(tǒng)。實(shí)驗(yàn)很多場景也是建立在家務(wù)場景中。為什么會(huì)瞄準(zhǔn)家務(wù)場景？

史瀟洋：傳統(tǒng)的機(jī)器人方法通過程序規(guī)定了一系列機(jī)械的動(dòng)作。但我們更偏向于通過深度學(xué)習(xí)(Deep Learning）的方法來訓(xùn)練機(jī)器人，讓機(jī)器具備泛化的能力，希望能夠在無限的場景里，機(jī)器人都能知道該如何應(yīng)對。

家務(wù)場景可能每天甚至每個(gè)小時(shí)都會(huì)出現(xiàn)各種各樣的變化。在家務(wù)場景中，可以讓機(jī)器在從來沒有見過的場景中探索、學(xué)習(xí)。這是算法和數(shù)據(jù)的問題。我們希望給機(jī)器一些簡單的自然語言的指令，它就可以完成一些沒有做過、不太會(huì)的事情。

工廠學(xué)習(xí)的場景比較固定，特定情況下傳統(tǒng)的機(jī)器也可以做到。家務(wù)場景則比較復(fù)雜，傳統(tǒng)機(jī)器人很難做到，但機(jī)器學(xué)習(xí)是有可能的。當(dāng)我們給相當(dāng)量級的模型和數(shù)據(jù)，機(jī)器就有可能通過深度學(xué)習(xí)達(dá)到像人一樣泛化的能力。

YAY Robot實(shí)驗(yàn)場景

澎湃新聞：為什么會(huì)給這個(gè)系統(tǒng)取名為Yell At Your Robot?

史瀟洋：我們原本還有一個(gè)相對學(xué)術(shù)的名字，考慮到可能大家都不知道在說什么，最后決定反其道而行之，取了一個(gè)比較通俗易懂的名字。

做機(jī)器人的都知道，讓機(jī)器人去學(xué)習(xí)是非常痛苦的事情。有時(shí)候，機(jī)器人就像一個(gè)小孩子，譬如在訓(xùn)練機(jī)器人做飯這類復(fù)雜任務(wù)過程中，可能就差“手往左挪半厘米”就完成了，這時(shí)我們想到的最簡單、最直接的方法就是說話，“往左挪一點(diǎn)”，或者“用勺子把袋子撐得再開一點(diǎn)”這類非常日常的語言都是我們的指令。在模型的一個(gè)輸入層，我們用了大語言模型，使得機(jī)器對于日常語言有比較好的理解。這就像是有大模型去把我們說的話翻譯成機(jī)器人聽得懂的語言。

澎湃科技：你們花了多久時(shí)間研發(fā)？

史瀟洋：這個(gè)項(xiàng)目本身做了將近半年時(shí)間。我們在這個(gè)項(xiàng)目上比較拼，做挺快的。

項(xiàng)目團(tuán)隊(duì)一共有8個(gè)人，以博士生和研究員為主，此外有兩個(gè)教授和兩個(gè)博士后。

我們基本每周都會(huì)開組會(huì)。因?yàn)槲覀冏龅氖且粋€(gè)系統(tǒng)，從更底層的軟件硬件到整個(gè)數(shù)據(jù)收集系統(tǒng)、數(shù)據(jù)質(zhì)量評估，所有的工作都是我們自己來完成，系統(tǒng)搭建好后，還需要不斷迭代算法和模型，讓機(jī)器人在真實(shí)世界中做訓(xùn)練和評估。

澎湃科技： 對于這個(gè)系統(tǒng)，你們后續(xù)還會(huì)有哪些計(jì)劃？

史瀟洋：后面還會(huì)有更多工作。包括讓YAY Robot系統(tǒng)能處理更復(fù)雜的問題，比如我們可以用很簡單的自然語言指令，加上一些簡單的教導(dǎo)，讓機(jī)器人完成一個(gè)從未做過的家務(wù)活，讓機(jī)器人可以根據(jù)用戶的意愿服務(wù)。這里可能會(huì)涉及更多技術(shù)問題，比如我們在收集數(shù)據(jù)過程中，如何通過一套算法來分辨數(shù)據(jù)的優(yōu)劣，將無用的數(shù)據(jù)變成有用的數(shù)據(jù)，如何利用大語言和多模態(tài)視頻模型，以及讓機(jī)器人學(xué)習(xí)該如何更好地學(xué)習(xí)等，這可能是后面幾個(gè)月我們要繼續(xù)探索的事情。

我們會(huì)和一些院校和企業(yè)合作，校內(nèi)項(xiàng)目的所有代碼都會(huì)開源。跟企業(yè)合作的好處是可以獲得更多的計(jì)算資源，但是能不能把所有的技術(shù)細(xì)節(jié)都開放，雙方還需要再談。

無論高校還是公司，“訓(xùn)練數(shù)據(jù)成本高”都是難題

澎湃科技：這款系統(tǒng)發(fā)布后，收到了哪些反饋？

史瀟洋：其實(shí)我們發(fā)布之后，除了社交平臺上的評論和學(xué)術(shù)圈的反饋外，還收到了很多企業(yè)和風(fēng)險(xiǎn)投資公司的郵件。人工智能企業(yè)主要是詢問我們能否幫他們訓(xùn)練模型，比如訓(xùn)練機(jī)器人訂機(jī)票，或者用在人形機(jī)器人上，還有想了解算法細(xì)節(jié)的，風(fēng)險(xiǎn)投資公司則很直接，就問我們想不想創(chuàng)業(yè)。

這些反饋?zhàn)屛覍θ斯ぶ悄苡辛烁嘞Ｍ?strong>很多科技的進(jìn)步和發(fā)展都需要資本力量的推動(dòng)，也需要人才。在這個(gè)過程中我見到了很多非常有才華的人，如果有了資本和市場的加持，人工智能在后面幾個(gè)月或幾年時(shí)間里，會(huì)出現(xiàn)更多突破性成果，會(huì)有更多有影響力的產(chǎn)品，這很重要。

澎湃科技：所以真的可以訓(xùn)練機(jī)器人幫忙訂機(jī)票嗎？

史瀟洋：在理論上是可以的，但在實(shí)操上最難的一個(gè)問題是數(shù)據(jù)從哪里來？需要知道人們訂機(jī)票的時(shí)候有哪些步驟?，F(xiàn)在大語言模型的優(yōu)勢是互聯(lián)網(wǎng)給它提供了相當(dāng)多的語料作為訓(xùn)練數(shù)據(jù)，但包括訂機(jī)票、做家務(wù)這類需要做決策的事情，是沒有數(shù)據(jù)的。現(xiàn)在很多公司項(xiàng)目科研和大學(xué)的科研都面臨同樣的情況，即訓(xùn)練數(shù)據(jù)成本很大。

斯坦福的科研環(huán)境整體是蠻好的，當(dāng)然這也取決于研究領(lǐng)域和具體的實(shí)驗(yàn)室。我個(gè)人非常喜歡這里自由的學(xué)術(shù)氛圍，導(dǎo)師鼓勵(lì)大家去探索從來沒有探索過的話題。

這里也有很多計(jì)算機(jī)領(lǐng)域的人脈資源，很多人工智能公司都在硅谷，斯坦福也有相當(dāng)不錯(cuò)的校企合作的氛圍。在人工智能的發(fā)展上，資本很重要。深度學(xué)習(xí)為什么能騰飛？是因?yàn)橛酗@卡、有計(jì)算資源。顯卡的發(fā)展在某種程度上得益于游戲界。世界上太多人打游戲，造就了這些游戲公司，然后有了越來越好的硬件和顯卡，有了更好的顯卡，就能訓(xùn)練更大的模型。這些大模型越來越好，就有了今天的人工智能。

資本熱度非常高，機(jī)器人將會(huì)高速發(fā)展

澎湃科技：你剛剛說斯坦福的學(xué)生和硅谷AI公司聯(lián)系非常緊密?，F(xiàn)在硅谷創(chuàng)業(yè)的氛圍是怎樣的？

史瀟洋：硅谷現(xiàn)在最受關(guān)注的創(chuàng)業(yè)方向主要有兩類，一是AI，還有一個(gè)是Web3。也有很多以往做電商平臺的，重心開始往AI方向上轉(zhuǎn)。

硅谷AI創(chuàng)業(yè)，只能說資本非常熱。比如我知道的一家人工智能創(chuàng)業(yè)公司，在都沒有名字和任何商業(yè)計(jì)劃時(shí)，就拿到了7000萬美元的投資。現(xiàn)在創(chuàng)業(yè)公司像雨后春筍一樣出來了，但競爭也相當(dāng)激烈。

澎湃科技：你會(huì)考慮去創(chuàng)業(yè)嗎？

史瀟洋:會(huì)考慮，但也會(huì)考慮風(fēng)險(xiǎn)以及技術(shù)有沒有到一個(gè)正確的時(shí)間點(diǎn)。我覺得商業(yè)上的成功是非常需要天時(shí)、地利、人和的，哪一點(diǎn)沒有滿足都很難。我覺得我還是蠻學(xué)術(shù)的一個(gè)人，當(dāng)前還是想要深入探索一些學(xué)術(shù)問題，比如機(jī)器人或者人工智能體有沒有辦法實(shí)現(xiàn)自主提升和高效利用數(shù)據(jù)等。

澎湃科技：你對機(jī)器人的興趣是什么時(shí)候開始有的？

史瀟洋：對機(jī)器人的興趣可能來自于對航天的興趣。讀高三時(shí)，我對航天產(chǎn)生了興趣，因?yàn)楹教祛I(lǐng)域有很多不太安全的工作，需要通過機(jī)器人來解決。但是整個(gè)世界上還沒有多少聰明的機(jī)器人，所以我想造聰明的機(jī)器人。

我現(xiàn)在做人工智能科研，相信人工智能對社會(huì)的進(jìn)步非常重要，不管是對于科技還是對于社會(huì)。但我同時(shí)也很確定世界上有很多也同樣重要，比如新聞媒體，我也曾做過學(xué)生記者，大學(xué)時(shí)也學(xué)過哲學(xué)、社會(huì)學(xué)，后來跨界到航天工程，也在商學(xué)院待過。我一直都是不太安分的類型，不停地提出問題，也在尋找答案，現(xiàn)在我很堅(jiān)定地在做人工智能。

我覺得科技需要快速發(fā)展，但同時(shí)也要確保其中的安全性，而且要確保科技最大化地覆蓋最大的群體，而不是只針對一些精英階層。尤其是在人工智能領(lǐng)域，還有很多社會(huì)問題，比如法律規(guī)范問題、公眾教育問題，和社會(huì)公平，這些都需要更多的思考。

澎湃科技：你理想中，未來人工智能發(fā)展理想的情況是什么樣？

史瀟洋：用一個(gè)詞來概括的話，就是IA（Intelligence Augmentation），智能增強(qiáng)，現(xiàn)在人工智能是AI（Artificial Intelligence）。未來的人工智能不僅可以解決我們物理上的需要，比如回家后機(jī)器人已經(jīng)做好飯、打掃了衛(wèi)生，給我們更多自由的時(shí)間和空間，另外也可以推動(dòng)創(chuàng)新和科學(xué)發(fā)展。我希望智能系統(tǒng)可以幫助我們解決很多這樣的問題。

澎湃科技：具身智能概念在2024年討論度非常高。在你看來，2024年機(jī)器人的發(fā)展趨勢會(huì)是怎樣的？

史瀟洋：整體應(yīng)該會(huì)往更功能、適用的方向發(fā)展，比如家務(wù)場景的機(jī)器人今后可能會(huì)更多。也會(huì)有一些機(jī)器人公司會(huì)往更細(xì)分的領(lǐng)域走。

機(jī)器人將會(huì)受到更多的關(guān)注。之前人們關(guān)注的人工智能子領(lǐng)域近些年有突破性發(fā)展，幾乎快被解決了。機(jī)器人可以算是最難解決的一個(gè)硬骨頭?，F(xiàn)在越來越多的人試著去參與，啃這塊硬骨頭，所以會(huì)有大量的人才、資金涌入，機(jī)器人將會(huì)進(jìn)入一個(gè)高速發(fā)展的階段。這也許會(huì)引發(fā)第四次工業(yè)革命。