这是一个稍纵即逝的时刻——LinkedIn上的一则学术招聘信息,大多数人可能只是滑过,然后读到某人对做某事感到"谦卑和荣幸"。但对于我们这些关注具身机器人领域的人来说,这绝对值得停下来看看。英国林肯大学正在寻找人员开发一个"革命性的游戏化虚拟现实环境,让非专业人员通过身体演示来训练AI驱动的收获机器人,消除了复杂编程或实地训练的需求"。简而言之,目标是用机器取代田间工人——但这些机器很可能在一段时间内仍由人类操控。
这并不是一个全新概念——去年多伦多的一家杂货店雇佣了由戴VR头盔的人操控的机器人来上架商品,日本的全家便利店连锁也使用这项技术好几年了。但这一直是一个相对小众的应用案例,至少到现在为止。在未来几年,随着更多研究得到资助,这个领域的增长可能会改变工作、移民和经济流动的未来。
首先是潜在的优势。在田间采摘水果和蔬菜是困难且危险的工作,很少有人真正愿意做这件事。随着气候变化,工作只会变得更糟,美国的农场已经因为当前的移民政策而对工人短缺发出警报。杂货店上架工作危险性要小得多,但也不是什么光彩的工作,而且在搬运重箱子或重复同样的体力任务时仍有受伤的可能。
这项技术的应用远远超出了这两个用例。如果你住在纽约市,你会熟悉DoorDash和Uber Eats的送货员骑着电动自行车和滑板车在城市中穿梭。因为他们被激励尽可能快地送更多订单,他们经常在人行道或自行车道高速行驶,给自己和其他骑行者及行人创造了危险情况。他们还必须在各种恶劣天气条件下送货。
但现在想象一个由戴着头盔的司机操控的机器人来完成这些配送。配送人员仍然有工作,但不是冒着生命危险骑自行车,而是坐在温控房间的舒适椅子上,戴着VR头盔控制配送机器人。机器人可以配备内置的速度限制和其他安全功能,以及预编程规则防止操控者失控。如果其中一个机器人被公交车撞了,这对等待披萨的人来说是个麻烦,对拥有机器人的公司来说是个小损失。如果人类被公交车撞了,那就失去了某人的孩子、兄弟姐妹或父母。
但除了所有这些优势,还有很多劣势。首先,加拿大的杂货店雇佣了菲律宾的工人来操控他们的机器人,并按当地市场的现行工资支付他们。突然间,当地工人被取代,他们的工资被削减。那些被认为不会被离岸外包和AI取代的工作突然面临非常真实的风险。这里的最终目标是创造足够的训练数据,使AI最终能够自主运行这些机器人,从而造成更多的工作流失。
因为许多低工资工作都是由新移民完成的,这将对移民模式产生巨大影响。许多为了经济机会而离开祖国的移民会很高兴能够与家人团聚并赚钱造福他们的社区。另一方面,新移民一代在田间工作以供孩子上大学并让他们走上中产阶级道路的经典美国故事将被有效切断。
工人们也将彼此隔离,这将对劳工组织和孤独感流行病产生深远影响。如果你把所有时间都花在戴头盔工作上,你永远不会和任何人交谈,如果你想为更好的薪酬或条件争取权益,祝你好运能远程做到这一点。这种类型的工作对于那些想要全职从事的人来说也会变得越来越不稳定;大学生可能不会冒险走上纽约街头在课间送货,但可以轻松戴上头盔在业余时间完成一些配送。
我们仍处于这项技术的黎明时期,但它将在未来几年对工作产生深远影响。如果你在2030年的某个时候看到一个人在上架商品并认为这是新颖的怀旧,不要感到惊讶。
Q&A
Q1:具身机器人技术是什么?它是如何工作的?
A:具身机器人技术是指由人类通过VR头盔远程操控的机器人系统。操控者坐在舒适的环境中,通过虚拟现实设备控制机器人完成实际的物理工作,如农场收获、商店上架或外卖配送等任务。
Q2:这项技术会如何影响就业市场?
A:这项技术会产生双重影响:一方面让工人远离危险工作环境,提高安全性;另一方面可能导致工资竞争加剧,因为雇主可以雇佣世界各地成本更低的操控者,最终目标是积累数据让AI完全自主操作,可能造成更多失业。
Q3:VR操控机器人技术在哪些行业已经开始应用?
A:目前这项技术已经在多个行业开始试点应用,包括多伦多杂货店的商品上架机器人、日本全家便利店的服务机器人,以及正在研发中的农场收获机器人和外卖配送机器人等领域。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。