史瀟洋：“我一直不安分，堅定造聰明機器人”

喻琰

想象一下，你只需大聲喊出“把碗放到洗碗機里”，你的機器人助手就能精準執(zhí)行！這不是科幻電影，這是斯坦福大學實驗室里的真事兒！今天，我們帶你認識一位讓機器人“聽話”的23歲天才少女——史瀟洋。

近期，史瀟洋作為斯坦福大學人工智能實驗室里年輕的華人研究者頻頻引發(fā)關注。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)。有了這個系統(tǒng)，可以通過“喊話”來訓練機器人。

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

以學生研究員身份加入斯坦福大學人工智能實驗室的史瀟洋，最大的感受是斯坦福自由的學術氛圍。在這里，可以得到更多人工智能、計算機領域的人脈以及研究資源的支持。同時，她也能感受到硅谷AI創(chuàng)業(yè)氛圍的熱烈，可謂機遇與風險并存。身邊會有人工智能創(chuàng)業(yè)團隊，甚至還沒有正式的企業(yè)名字和商業(yè)計劃，就吸引了7000萬美元的投資資金。

作為年輕的技術理想主義者，史瀟洋的研究目標是，創(chuàng)造聰明的機器人，流暢地執(zhí)行人類日常的復雜、長期的任務，“從家庭到工廠，幫助人處理乏味和危險的事情?！彼龍孕湃祟惖穆斆鞑胖呛腿斯ぶ悄艿臐摿?。

“家務場景讓機器人可以更深度學習”

記者：之前出圈的Mobile Aloha是一款家務機器人，這次的Yell at Your Robot系統(tǒng)，實驗很多場景也是建立在家務場景中。為什么會瞄準家務場景？

史瀟洋：傳統(tǒng)的機器人方法通過程序規(guī)定了一系列機械的動作。但我們更偏向于通過深度學習的方法來訓練機器人，讓機器具備泛化的能力，希望能夠在無限的場景里，機器人都能知道該如何應對。

家務場景可能每天甚至每個小時都會出現(xiàn)各種各樣的變化。在家務場景中，可以讓機器在從來沒有見過的場景中探索、學習。這是算法和數(shù)據(jù)的問題。我們希望給機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、不太會的事情。

工廠學習的場景比較固定，特定情況下傳統(tǒng)的機器也可以做到。家務場景則比較復雜，傳統(tǒng)機器人很難做到，但機器學習是有可能的。當我們給相當量級的模型和數(shù)據(jù)，機器就有可能通過深度學習達到像人一樣泛化的能力。

YAY Robot實驗場景

記者：為什么會給這個系統(tǒng)取名為Yell At Your Robot？

史瀟洋：我們原本還有一個相對學術的名字，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，取了一個比較通俗易懂的名字。

做機器人的都知道，讓機器人去學習是非常痛苦的事情。有時候，機器人就像一個小孩子，譬如在訓練機器人做飯這類復雜任務過程中，可能就差“手往左挪半厘米”就完成了，這時我們想到的最簡單、最直接的方法就是說話，“往左挪一點”，或者“用勺子把袋子撐得再開一點”這類非常日常的語言都是我們的指令。在模型的一個輸入層，我們用了大語言模型，使得機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器人聽得懂的語言。

記者：你們花了多久時間研發(fā)？

史瀟洋：這個項目本身做了將近半年時間。我們在這個項目上比較拼，做挺快的。

項目團隊一共有8個人，以博士生和研究員為主，此外有兩個教授和兩個博士后。

我們基本每周都會開組會。因為我們做的是一個系統(tǒng)，從更底層的軟件硬件到整個數(shù)據(jù)收集系統(tǒng)、數(shù)據(jù)質量評估，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，讓機器人在真實世界中做訓練和評估。

記者： 對于這個系統(tǒng)，你們后續(xù)還會有哪些計劃？

史瀟洋：后面還會有更多工作。包括讓YAY Robot系統(tǒng)能處理更復雜的問題，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，讓機器人完成一個從未做過的家務活，讓機器人可以根據(jù)用戶的意愿服務。這里可能會涉及更多技術問題，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，以及讓機器人學習該如何更好地學習等，這可能是后面幾個月我們要繼續(xù)探索的事情。

我們會和一些院校和企業(yè)合作，校內項目的所有代碼都會開源。跟企業(yè)合作的好處是可以獲得更多的計算資源，但是能不能把所有的技術細節(jié)都開放，雙方還需要再談。

無論高校還是公司，“訓練數(shù)據(jù)成本高”都是難題

記者：這款系統(tǒng)發(fā)布后，收到了哪些反饋？

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

這些反饋讓我對人工智能有了更多希望。很多科技的進步和發(fā)展都需要資本力量的推動，也需要人才。在這個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月或幾年時間里，會出現(xiàn)更多突破性成果，會有更多有影響力的產(chǎn)品，這很重要。

記者：所以真的可以訓練機器人幫忙訂機票嗎？

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

斯坦福的科研環(huán)境整體是蠻好的，當然這也取決于研究領域和具體的實驗室。我個人非常喜歡這里自由的學術氛圍，導師鼓勵大家去探索從來沒有探索過的話題。

這里也有很多計算機領域的人脈資源，很多人工智能公司都在硅谷，斯坦福也有相當不錯的校企合作的氛圍。在人工智能的發(fā)展上，資本很重要。深度學習為什么能騰飛？是因為有顯卡、有計算資源。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，機器人將會高速發(fā)展

記者：你剛剛說斯坦福的學生和硅谷AI公司聯(lián)系非常緊密。現(xiàn)在硅谷創(chuàng)業(yè)的氛圍是怎樣的？

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

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)計劃時，就拿到了7000萬美元的投資?，F(xiàn)在創(chuàng)業(yè)公司像雨后春筍一樣出來了，但競爭也相當激烈。

記者：你會考慮去創(chuàng)業(yè)嗎？

史瀟洋：會考慮，但也會考慮風險以及技術有沒有到一個正確的時間點。我覺得商業(yè)上的成功是非常需要天時、地利、人和的，哪一點沒有滿足都很難。我覺得我還是蠻學術的一個人，當前還是想要深入探索一些學術問題，比如機器人或者人工智能體有沒有辦法實現(xiàn)自主提升和高效利用數(shù)據(jù)等。

記者：你對機器人的興趣是什么時候開始有的？

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

我現(xiàn)在做人工智能科研，相信人工智能對社會的進步非常重要，不管是對于科技還是對于社會。但我同時也很確定世界上有很多也同樣重要，比如新聞媒體，我也曾做過學生記者，大學時也學過哲學、社會學，后來跨界到航天工程，也在商學院待過。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)在我很堅定地在做人工智能。

我覺得科技需要快速發(fā)展，但同時也要確保其中的安全性，而且要確?？萍甲畲蠡馗采w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域，還有很多社會問題，比如法律規(guī)范問題、公眾教育問題和社會公平，這些都需要更多的思考。

記者：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：用一個詞來概括的話，就是IA（Intelligence Augmentation），智能增強，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，比如回家后機器人已經(jīng)做好飯、打掃了衛(wèi)生，給我們更多自由的時間和空間，另外也可以推動創(chuàng)新和科學發(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。

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

史瀟洋：整體應該會往更功能、適用的方向發(fā)展，比如家務場景的機器人今后可能會更多。也會有一些機器人公司會往更細分的領域走。

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