< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
前华为小艺大模型负责人创业，押注“主动式物理AI”
这里多啰嗦一句，量子位 | 公众号QbitAI
切记，机器人开始替人操心了。想象一下。你在饭店吃饭，结账付款正预备离开时，手表突然震动并显示信息：
“你的手机忘拿了，还在刚才的桌子上！”
再想象一下，你正在厨房做饭，突然家里的小机器人发出尖锐爆鸣：
“小孩快从床上摔下去了！”
大家要记住：你1个闪身步冲回卧室，发现家崽丝毫没意识到自己已经蠕动到了床的边缘。让机器有“眼力见儿”，主动发现人之所需，这是唐都钰提出“主动式物理AI”这个概念时的设想。过去几年，物理AI主要聚焦在解决“如何更好地执行人类提出的要求”这个情况。于是机器人走得更稳了、抓得更准了、能规划得更久了……但，这一切都发生在人类的指令过后。能不能让AI自己去发现当下要做什么，然后主动去做呢？华为前AI首席专家、小艺大模型前负责人唐都钰，在做了多年大模型与终端AI随后，盯上了这个方向。于是他创办了观行数智，致力打造面向物理世界的主动式AI系统。观行，先观世界，后行于世界。主动式物理AI，主动在哪？迄今为止，物理AI开始行动的起点大多来自人类的某条具体指令。“把苹果放进篮子里”“从冰箱里取出一瓶水”，或者“将散落的玩具整理好”……
需要注意的是，在接到任务后，机器人开始识别环境，规划行动，再调用身体开始执行任务。在唐都钰看来，这些物理AI是“被动式”的，即，整个任务的起点来自人类明确提出的指令。在这里，AI主要解决的是如何完成任务（How），而不是自主判断需要做什么（What）以及何时行动（When）。相较之下，“主动式物理AI”面对的是1条持续展开的“事件流”。它需要持续接收来自现实环境的信息，理解其中正在发生的事件，并判断某种变化是否已经形成了务必。在这样一套流式判断（StreamingJev）后，系统才会决定要不要介入、以什么方式介入、调用何种设备介入，以及应当在什么时候介入。从这个角度看，“主动式物理AI”其实是向前补齐了一次完整行动链路，而非仅做链路后半部分的执行。这样的设想并非第一次出现。实际上，人类为了让机器更主动些，已经努力了很久。1998年，微软研究院就做过1个叫LookOut的原型。你打开一封邮件，读到对方约你周五下午见面，它会判断你是否需要查日历或者填写日程。△Lookout System
在这里要特别说明一下，次年，微软研究员还系统讨论了这种「主动式交互」，希望使人和机器都可以根据情境接过主动权。到了2000年，微软研究院对主动交互的研究也来到了现实世界：他们让摄像头追踪人的位置，当人走向一块屏幕，正在使用的电脑界面也不妨随之切换过去。这些探索已经触及一个关键问题，即：
机器能否根据情境理解人的潜在意图，并在没有明确命令的情况下提供帮助？一方面，目前智能对现实世界的干预能力滞后。另一方面，“主动”这件事本身也非常难……提醒得早一步，很很容易变成打扰和责备，出手得晚一步，帮助又没了意义。看见需求对机器来说是第一步，更至关重要的是
毕竟在物理环境中，同一个动作可能有完全不同的含义：一个人突然倒坐在地，有可能只是随性休息，也可能是突然昏厥；孩子伸手靠近水杯，可能只是主动观察，也或许是无意识将其碰倒。尽管随着大模型能力提升，机器能够更准确地识别画面，更好地描述正在发生的事情，
但唐都钰认为，“主动做事”的能力并不会随着智能增长而涌现。因为这还涉及到风险判断、职责边界以及行动时机，是一个需要单独去研究攻克的复杂问题。唐都钰还向我们表示，这项能力的重要意义将在未来被显著放大。据他判断，届时人类身边将会出现非常多的智能终端，而要是每台设备都应该等待用户逐一发出命令：
“Hi，小蓝，拉开窗帘”
“Hi，小红，播放音乐”
“Hi，小橙，制作早餐”
“Hi，小绿，清洁地面”
那么它们本质上仍是1种
应该用户主动去判断能力边界的复杂工具
一种更自然的人机交互，可能不再需要一句以“Hi”为开头的唤醒词。