文生視頻模型Pika創(chuàng)始人郭文景(Demi Guo )，“Mobile Aloha”全能家務機器人研發(fā)團隊成員符梓鵬 (Zipeng Fu)、趙子豪 (Tony Zhao)以及史瀟洋 (Lucy Shi)……斯坦福大學人工智能實驗室里年輕的華人研究者身影頻頻引發(fā)關注。

史瀟洋三人同屬于斯坦福IRIS （Intelligence through Robotic Interaction at Scale)Lab，導師為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)。有了這個系統(tǒng)，可以通過“喊話”來訓練機器人。澎湃科技（www.thepaper.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。”她堅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錄：

“家務場景讓機器人可以更深度學習”

澎湃科技：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(Deep Learning）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

澎湃新聞：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。

澎湃科技：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。

澎湃科技： 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

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品，這很重要。

澎湃科技：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。現(xiàn)在大語言模型的優(yōu)勢是互聯(lián)網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

澎湃科技：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。現(xiàn)在創(chuàng)業(yè)公司像雨后春筍一樣出來了，但競爭也相當激烈。

澎湃科技：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。

澎湃科技：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。

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。

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。