如果將人工智能（AI）比喻為一個正在成長的孩子，那么規(guī)模法則（Scaling Law）就是其成長過程中的核心驅動力。只要給予這個“孩子”充足的數(shù)據(jù)、模型和算力這些“營養(yǎng)”，它便能茁壯成長。2020年，OpenAI發(fā)表的《神經(jīng)語言模型的規(guī)模法則》論文，為大語言模型的發(fā)展奠定了理論基礎，也讓規(guī)模法則成為了AI領域的基石。

然而，胡英東博士指出，當前的AI模型還遠未達到真正的通用性，無法應對用戶提出的各種復雜指令。在2024年11月4日的上海第七屆中國國際進口博覽會上，機器人與媒體記者的互動雖然引人注目，但距離真正的通用智能還有一段距離。

如今，規(guī)模法則正在為機器人領域打開一扇全新的大門。清華大學交叉信息研究院（IIIS）的研究團隊在預印本網(wǎng)站arXiv上發(fā)表的論文《機器人操作模仿學習中的數(shù)據(jù)規(guī)模法則》顯示，在規(guī)模法則的指導下，機器人實現(xiàn)了真正的零樣本泛化，無需任何微調(diào)就能適應全新的場景和物體，成功率高達90%。泛化能力是指模型或算法在處理新數(shù)據(jù)時的表現(xiàn)，這一突破意味著機器人正在向理解和適應物理世界邁出重要一步。

胡英東博士是嵌入式AI領域的專家，他研究了開發(fā)通用機器人系統(tǒng)所面臨的挑戰(zhàn)，特別是這些系統(tǒng)如何適應不同的、非結構化的現(xiàn)實世界環(huán)境。在IIIS團隊的研究中，便攜式手持夾爪UMI在8種從未見過的環(huán)境中展現(xiàn)出了驚人的適應能力。

ChatGPT的問世驗證了規(guī)模法則的“智能涌現(xiàn)”能力，即規(guī)模越大，效果越優(yōu)。然而，在機器人領域，全面的規(guī)模法則尚未建立，因此其發(fā)展速度并未像深度學習領域那樣迅速。為了探究數(shù)據(jù)規(guī)模法則，IIIS團隊設計了物體泛化、環(huán)境泛化及環(huán)境-物體組合泛化三大維度，通過調(diào)整訓練數(shù)據(jù)規(guī)模，評估數(shù)據(jù)規(guī)模對機器人策略泛化性能的影響。

研究發(fā)現(xiàn)，策略的泛化性能與環(huán)境和訓練時接觸的物體數(shù)量之間存在顯著的冪律關系。當環(huán)境多樣性足夠豐富時，單一環(huán)境中過度采集不同操作物體的數(shù)據(jù)所帶來的效用將變得微乎其微。此外，單個物體的演示數(shù)據(jù)很容易達到飽和，總演示數(shù)據(jù)達到800次時，性能就開始趨于穩(wěn)定。

盡管IIIS團隊的研究取得了顯著成果，但胡英東博士表示，目前的研究還僅限于單任務策略的數(shù)據(jù)規(guī)模，并未探索多任務的通用性。此外，要實現(xiàn)商業(yè)化應用，還需要達到更高的成功率。他相信，未來會有通用機器人的出現(xiàn)，但目前仍有許多重要的研究問題需要解決。

在學界努力的同時，企業(yè)界也在積極將通用人工智能引入物理世界。OpenAI等巨頭正在開發(fā)大規(guī)模AI模型和算法，為機器人提供動力。雖然有人將IIIS團隊的最新研究稱為“人形機器人的ChatGPT時刻”，但胡英東博士認為，這個時刻還未真正到來，需要更多的技術突破。

然而，他相信這項技術最終會進入日常實際應用，如餐館的服務機器人、養(yǎng)老院的護理機器人等。這些應用將極大地改變?nèi)藗兊纳罘绞?，提高生活質量。