北京
“ChatGPT太聪明了！它能写论文、解释量子物理、调试我写的烂代码，甚至给我人生建议。所以……它为什么不能帮我洗碗？”
这是一个好问题。如果AI真要接管世界，至少得先把我在水池里泡了三天的盘子洗干净吧。可惜，那个盘子还在那儿。
这个看似简单的困惑，恰恰撕开了当前AI热潮中最容易被忽视的一个断层：知道怎么做，和真能动手去做，中间横着的是物理世界的整条鸿沟。
正方观点很直观，ChatGPT之类的对话式AI确实展现出了惊人的理解力。你问它怎么洗碗，它能立刻给出一份分步骤指南：找到水槽、拿起海绵、打开水龙头、握住盘子、判断搓洗力度、避免摔碎玻璃杯、冲洗干净、放到沥水架上。逻辑清晰，表达流畅，像一个耐心十足的家政老师。
问题在于，它只是一个大型语言模型。这个模型的底层能力是预测下一个词——基于海量文本中学到的模式，生成最可能的回答。它能写菜谱、作诗、辅导作业，但它没有眼睛，没有手，没有腿。你的键盘也抓不起洗碗海绵。
反方观点则认为，这恰恰暴露了所谓“智能”的致命缺陷：脱离物理世界的认知只是空中楼阁。人类洗碗时，大脑在暗中处理了几十项任务，你浑然不觉——找到水槽在哪儿，定位海绵的位置，拧开水龙头，抓住盘子，根据污渍轻重决定用力大小，还要分心躲开突然冲进厨房的猫。
对机器人而言，每一步都是独立的工程难题。昨天杯子在桌上，今天就沉在池底；海绵被人挪过位置；地上不知谁掉了把勺子；因为阴天，光线变暗了；你的猫突然决定此刻冲刺穿过厨房。人类毫不费力就能适应这一切，机器人却要从零开始解析每一个变量。计算机热爱完美有序的环境，而真实世界恰好相反。
双方的分歧其实指向了同一个地方：实体人工智能。过去几年AI大多活在电脑里，现在研究者试图让它走入物理世界。实体人工智能不同于纯粹的对话系统，它有身体——可能是机器人、机械臂、无人机或其他能与真实环境互动的载体。它不只会回答“红色杯子在桌上”，而是能用摄像头环顾四周，认出那个红杯子，规划路径，走过去，拿起来，递给你。
这听起来简单。实际执行起来，每一步都是当下机器人学最前沿的挑战。知道洗碗步骤和把手伸进水池抓住滑腻的盘子，之间差着无数个需要逐一突破的工程瓶颈。
我的判断是，这个盘子还会在水池里泡很久。语言模型的成功给大众造成了一种错觉，仿佛通用智能已经触手可及。但语言是抽象的、可被文本完美描述的能力，而物理操作需要处理永远无法被完整建模的混乱现实。在可预见的未来，能写十四行诗的AI和能帮你拖地的AI将是两个截然不同的技术路线，它们的交点尚未出现。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
