兄弟们，很多人认为这轮人工智能确实很厉害，但搬砖总影响不到我吧，对不起，人类的体力劳动也将被取代。马斯克刚刚宣布特斯拉人形机器人将于明年进厂上班，因为机器人将在大模型的帮助下实现真正意义上的进化。就在七月二十九日，谷歌推出了全球第一个视觉语言动作一体化的模型RT-2，这个模型到底有多厉害呢？
它可以让机器人在一堆物品中找到不同种类的一个，例如藏在水果中的蔬菜、藏在饮料中的零食等。它还可以让机器人执行非常具体的任务，例如将足球移动到篮球旁边或捡起掉在地上的东西。
有了RT-2机器人，与之前只能执行固定任务的笨家伙相比，好像一夜之间就进化出了真正的大脑，智能机器仿佛变得触手可及。这是怎么做到的呢？
·首先，看看rt的全称——Roboti Transformer，是一个将大语言模型应用于机器人训练的模型。没错，rt-2本质上就是将大语言模型应用于机器人训练的视觉语言动作三位一体的全新模型。机票麦利用贝尔等大语言模型的研究进展，在视觉语言模型之上创造了视觉语言动作三位一体的全新模型，这才让机器人拥有了这样快速的智能进化。
·另一方面，rt-2展示出了超强的能力，也表明也许之前几十年人们在机器人智能方向上的研究完全走错了方向。即使是DeepMind的机器人技术主管也表示他们需要重新考虑有关机器人的整体研究规划。
回顾人类的历史，认识世界的方式总是在被科技的进步重塑，从过去的乞求甘霖到现在的人工降雨，从过去的天圆地方到现在的浩瀚宇宙都是这样。rt-2的出现也许是机器智能的全新起点，也有可能是一条错误的分叉口，但这都没有关系，因为探索是人类永远不会放弃的永恒命题。
我是彭可舟，在瞬息万变的ai世界为你领路。
