有什么是(shi)ChatGPT不(bu)能做的(de)(de)嗎?是(shi)的(de)(de)，當然，但這個清單(dan)似(si)乎越來(lai)越小了。現(xian)在(zai)，研究人員已經(jing)利用大(da)(da)型語(yu)言模(mo)型幫(bang)助(zhu)他們設計和建造一個采摘(zhai)番(fan)茄的(de)(de)機器人。大(da)(da)型語(yu)言模(mo)型(LLMs)可以處(chu)理和內化(hua)大(da)(da)量的(de)(de)文本數據，利用這些信息來(lai)回答問題。OpenAI的(de)(de)ChatGPT就(jiu)是(shi)這樣一個LLM。
在一(yi)項(xiang)新的(de)(de)案(an)例研究中，來(lai)自荷蘭代爾(er)夫特理工大學和瑞(rui)士聯邦理工學院(yuan)(EPFL)的(de)(de)研究人員尋(xun)求ChatGPT-3的(de)(de)幫助來(lai)設計和建造一(yi)個(ge)機器人，考(kao)慮到ChatGPT是一(yi)個(ge)語(yu)言模(mo)型，這可能(neng)看起來(lai)很(hen)奇怪。
"盡管(guan)ChatGPT是一個(ge)語言模型，它的(de)(de)(de)代(dai)碼生成是基于文(wen)本的(de)(de)(de)，但它為(wei)物(wu)理(li)設計(ji)提供了重要的(de)(de)(de)見解和直覺，并顯(xian)示出作為(wei)激發人類創造力(li)的(de)(de)(de)傳聲筒(tong)的(de)(de)(de)巨大潛(qian)力(li)，"關于這一經驗的(de)(de)(de)公(gong)開(kai)案(an)例研究的(de)(de)(de)合著(zhu)者喬西-休斯說。
首先，研究人員問人工智能模型："人(ren)(ren)類的未來挑戰是(shi)什么?"ChatGPT提出了三個問題：糧食供應、人(ren)(ren)口(kou)老(lao)化和(he)氣候變化。研究人(ren)(ren)員選擇食品供應作為(wei)機器(qi)人(ren)(ren)設計的最有希望(wang)的方向，因為(wei)這不在(zai)他(ta)們的專業(ye)領域之(zhi)內。
利(li)用LLM對來(lai)自(zi)學術(shu)出版物、技術(shu)手(shou)冊、書籍和媒體的(de)全球(qiu)數據的(de)訪(fang)問(wen)，研究人員(yuan)問(wen)人工智能，一個(ge)機(ji)(ji)器(qi)人收(shou)割機(ji)(ji)應該具備哪些功(gong)能。ChatGPT想出了一個(ge)電機(ji)(ji)驅動的(de)抓手(shou)，用于將(jiang)成熟的(de)西紅柿從藤(teng)上拉下來(lai)。
決定了這一(yi)總體(ti)設(she)計(ji)后(hou)，研(yan)(yan)究人員就可以繼(ji)續進(jin)行具體(ti)的設(she)計(ji)，包括使用什么建筑材(cai)料和創建控制(zhi)它的計(ji)算機(ji)代碼(ma)。目(mu)前，LLM不能生成整個(ge)計(ji)算機(ji)輔助設(she)計(ji)(CAD)模型、評估代碼(ma)或自動(dong)制(zhi)造機(ji)器人，因此這一(yi)步需要研(yan)(yan)究人員扮(ban)演"技術員"的角色，在(zai)這些方面提供(gong)協助，優化LLM編(bian)寫的代碼(ma)，最(zui)終確定CAD并制(zhi)造機(ji)器人。
研(yan)究人(ren)(ren)員和LLM之間(jian)的(de)(de)(de)(de)討論的(de)(de)(de)(de)圖片概(gai)述，上面(mian)(mian)是人(ren)(ren)類提出的(de)(de)(de)(de)問(wen)題，下面(mian)(mian)是LLM提供的(de)(de)(de)(de)選項(xiang)。綠色(se)陰(yin)影(ying)代(dai)表(biao)人(ren)(ren)類的(de)(de)(de)(de)決策樹，人(ren)(ren)類逐漸將問(wen)題集中到與他們的(de)(de)(de)(de)目標相(xiang)匹配。
"雖然計算在很大程(cheng)度上被(bei)用(yong)來協助工(gong)程(cheng)師(shi)進行技術實施，但人工(gong)智能(neng)系(xi)統第一(yi)次可以構思新的系(xi)統，從而實現高級認知(zhi)任務(wu)的自動化，"該案例研究(jiu)的主要作者弗朗西斯科-斯特(te)拉說(shuo)。"這可能(neng)涉及到人類角(jiao)色向更多(duo)技術角(jiao)色的轉變(bian)"。
根據ChatGPT-3提供的技術(shu)建議，研究人員建造了(le)他們(men)的機器人抓手，并在現實世(shi)界中進行了(le)測(ce)試(shi)，用它來采摘西紅柿，它成功地做到了(le)。
a. LLM產生的一些技術建議，包括形(xing)狀指示、代碼、部件和材料選擇以及(ji)機構設計。 b. 在這(zhe)些輸(shu)入(ru)的指導下，建造了一個抓手(shou)，并在現實世(shi)界(jie)的任務中進行了測試，例如采(cai)摘西紅柿，如右圖所示。
研究人(ren)員(yuan)說，他(ta)們的(de)案例研究展示了通過人(ren)類和LLM之間的(de)合作來改(gai)變設計過程(cheng)的(de)潛力，但他(ta)們也(ye)意(yi)識到，這為(wei)不同程(cheng)度的(de)合作打(da)開了大門(men)。
他們說，在一個極(ji)端，人工智能(neng)將充(chong)(chong)當"發(fa)明家"，提供(gong)全(quan)部(bu)的機(ji)器人設計輸入，而人類則盲目地應用它。另一種(zhong)方法是(shi)利(li)用人工智能(neng)的廣(guang)泛(fan)知識來補(bu)充(chong)(chong)人類的專業知識。第三種(zhong)方法是(shi)保留(liu)人類作為發(fa)明者，利(li)用人工智能(neng)通過(guo)故障(zhang)排除、調試和處理繁瑣(suo)或耗(hao)時(shi)的過(guo)程來完(wan)善設計過(guo)程。
研究人員提出了人類與人工智能合作可能產生的道德和常識性風險。他們指出偏見、剽竊和知識產權(IP)的問題是值得關注的領域，并質疑鑒于LLM生成的設計使用了現有的知識，它是否可以被視為'新穎'。
休斯說："在(zai)我們的研究中，ChatGPT確定西(xi)紅柿是'最(zui)值得'追(zhui)求(qiu)的機器(qi)人收割機的作物。然(ran)而，這(zhe)可(ke)能(neng)(neng)偏向于文獻中涉及較多的作物，而不是那些真正有實(shi)際需求(qiu)的作物。當決定是在(zai)工(gong)程(cheng)師的知識(shi)范圍之外做出的，這(zhe)可(ke)能(neng)(neng)導致重(zhong)大(da)的道德、工(gong)程(cheng)或事實(shi)錯誤"。
盡管有這(zhe)些擔憂，研究人(ren)員認為，如果管理得(de)當，人(ren)類與(yu)人(ren)工智(zhi)能的合(he)作有很大的潛(qian)力(li)。
研究人員(yuan)說："機(ji)器人界(jie)必須(xu)確定如(ru)何(he)利用這些強(qiang)大的(de)工具，以道(dao)德、可持續(xu)和社會授權的(de)方式加速機(ji)器人的(de)進步。展望未來(lai)，我們(men)堅信(xin)，LLMs將開啟許多令人興奮的(de)可能性(xing)，如(ru)果管理得當，它們(men)將成(cheng)為一(yi)種(zhong)善的(de)力(li)量。"
該(gai)案例研究發(fa)表在《自(zi)然-機(ji)器智(zhi)能》雜志上。
