工程師將波士頓動力機器狗掛上了 ChatGPT ，現在這隻狗能聽懂人話還會跟你聊天

波士頓動力的「大黃狗」Spot 可以說是網紅機器人的典範。

會巡邏、會搬磚、會跳舞 Spot 自誕生以來就吸引了全世界機器人愛好者的目光，誰能拒絕像這樣一條動作靈活、姿態憨厚，還會賣萌的機器狗呢。

延伸閱讀：把ChatGPT裝到人形機器人上，OpenAI 投資機器人公司1X technologies

經過多年的發展，賣萌已經不再是 Spot 的「主業」，根據波士頓動力的介紹，Spot 現在能幫助人類完成一些特定場景下的工作，例如在跨洋輪船上檢測儀表、參與地勢複雜的勘測或救援工作等等。

如果給 Spot 這麼靈活的身軀，裝上一個像 ChatGPT 這麼聰明的大腦，會發生什麼？

人工智慧專家 Santiago Valdarrama 還真做出來了這麼一條擁有「最強大腦」的 Spot。

用 ChatGPT 大幅簡化人機互動

Santiago 在 Twitter 上分享了他與改造版 Spot 互動的影片，這可能是史上第一條會講話、會聊天的機器狗。

在展示視訊中可以看到，Spot 並不僅僅是裝了個「Siri」那麼簡單，當它在回答人類問題時，它的身體也會隨著語句的內容和語調一起擺動，看上去就像是科幻片中的 Wall-E 走進了現實。

當你問到一些「Yes Or No」的簡單問題時，它還會用「點頭」「搖頭」等身體語言代替語音來回答你，由此可見 Spot 遠不是內建了一個智慧音箱那麼簡單。

接入 ChatGPT 後，Spot 最大的變化就是聽得懂人話，並且能夠和使用者用自然語言交流。

Santiago 展示了一個場景，他跟 Spot 說因為它太礙事導致房間太擁擠了，讓它往後稍稍，話音剛落 Spot 就理解了 Santiago 的意思，往後退了幾步。

怎麼樣，是不是已經有科幻電影中呼喚機器人工作的感覺了？

We integrated ChatGPT with our robots.

We had a ton of fun building this!

Read on for the details: pic.twitter.com/DRC2AOF0eU
— Santiago (@svpino) April 25, 2023

過去操作 Spot 需要用類似無人機的大型遙控器或者用電腦輸入複雜的指令，而現在 ChatGPT 的加入賦予了 Spot 強大的自然語言理解能力，動動嘴就能與機器人互動。

在這個過程中，ChatGPT 擔任了人類與機器人之間的翻譯，把人類輸入的「人話」變成機器能看懂的指令，再把機器人的反饋用實際行為或者「人話」表達出來。

Santiago 介紹，他們把 Spot 的檔案輸進了 ChatGPT，並向其解釋了檔案的結構以及如何讀取這個檔案，從而實現了與 Spot 語音對話和操作。

操作員與 Spot 之間的互動被大幅簡化，人們可以直接問它：「你的電量還有多少？」，然後 Spot 就會用語音的方式回答，這其中用到了 Google 文字轉語音的技術，再把 ChatGPT 的答覆經 Spot 的「口」講出來。

Spot（或者說內建的 ChatGPT）會根據實際情況來回答問題，例如當你問它接下來要完成什麼任務時，它會根據設定好的任務列表來作答，這在很大程度上避免了 ChatGPT 編造事實的情況。

當操作者給 Spot 下達像轉向 90 度、前進 1 米這樣的命令時，Spot 會聯動內部的感測器和定位系統，精準地響應這些命令，不會說因為「大腦過於發達」而失去控制。

有趣的是，當你問它「你是誰？」的問題時，它會回答「我是 OpenAI。」，而不是機器狗 Spot。

Santiago 所在的公司 Levatas 是一家與波士頓動力合作的 AI 公司，專門幫助企業探索如何利用機器人解決實際問題的解決方案。

Santiago 認為，給 Spot 裝上 ChatGPT 最大的實際意義，是把原本只有技術人員才能處理的複雜資料變成了任何人都能看得懂、聽得懂的自然語言。

機器人每次在執行任務前，都要輸入冗長的指令集；在結束工作後，還會產生大量的資料，只有最專業的技術人員才能從這些資料中分析出問題。

但現在通過 ChatGPT，簡單的兩句話就能搞定。

當機器人的操作門檻變低之後，機器人的使用場景就會隨之變得豐富起來。

延伸閱讀：中國大媽手持木棍「嗆聲」智慧導引機器人，第一個向機器人宣戰的人類？

AI 大型語言模型的潛力不容小覷

「最強大腦」版 Spot 並不是一蹴而就的，在一個月前，Santiago 曾發佈一個視訊介紹了一條能「聽懂人話」的 Spot，其用到的是 OpenAI 另一個重要 AI 模型 Whisper。

在這個「初版」智慧 Spot 中，Santiago 更詳細地介紹了其中的原理：

Whisper 可以高效地把語音即時轉換成文字，轉換的正確率和速度都非常可觀。通過把 Whisper 與 Spot 的 SDK 結合在一起，它可以從人類說的話中提取關鍵文字，然後通過 SDK 向 Spot 傳送命令。

只需要向它說句話，就可以讓 Spot 離開充電塢，起身去檢查儀表是否出現問題，大大降低了人類的操作成本。

Santiago 的實踐從一個很好的角度回答了一個被廣泛討論的問題：ChatGPT 一類的大型語言模型到底有什麼意義？

一開始，人們認為 ChatGPT 就是一個單純文字生成式 AI，它有著比較強的自然語言理解能力，可以寫文章、寫報表，雖然不那麼靠譜，但也算驚豔。

後來人們發現只要給 ChatGPT 恰當的指令，它可以代替人類自動得完成程式或者文書處理等工作，猶如一台基於自然語言運轉的電腦。

OpenAI 發佈了外掛集功能後，ChatGPT 可以與許多Internet的應用結合在一起，把很多跨平台的操作用對話整合在了一起，變成了Internet的新入口。

微軟發布的 Copilot 則啟發了人們對下一階段人機互動的想像：圖形操作介面並不一定是永遠合理的範式，許多我們習以為常的操作都可以被對話代替。

再回到 Spot 上時，我們就能比較清晰地看出大型語言模型的意義：簡化人機互動，賦予機器人更高級的智慧。無論是把 ChatGPT 當作新的Internet入口，還是當作控制具備學習能力、問題分析能力和執行高精度操作能力的工業機器人的遙控器，本質上都是把複雜的指令集變成自然語言，降低操作成本。

這種賦能將使未來的工業機器人不僅僅成為指令執行的工具，更能具備與人類大腦相當的智慧水準。就像圖形介面把複雜的命令列變成了一個個直觀的圖示，現在點按不同圖示的複雜操作又變成了一句簡單的話，人類正在從圖形使用者介面走向一個新的階段：自然語言使用者介面。

在這個階段，大型語言模型將成為工業機器人的關鍵技術，它將簡化人機互動，提高生產效率，進一步推動人類社會的科技發展。

並且在某些情況下，語言模型在理解語言時甚至會比人類表現得更好。普林斯頓大學的教授 Arvind Narayanan 在他一篇部落格中提到了他的一個親身案例。Arvind Narayanan 為 ChatGPT 接上了語音互動，給自己快要四歲的女兒使用。就和所有孩子一樣，他的女兒也充滿好奇心，經常問 ChatGPT 各種問題。

讓他感到意外的是，當他告知 ChatGPT 它在和一位小朋友說話時，ChatGPT 變得很善於表達同理心。

女兒：「關燈後會發生什麼事？」

ChatGPT：「關了燈之後，會變得很黑，也可能會有點讓人害怕。但不用擔心！有很多東西能幫助你在黑暗中感到安全和舒適。」

《彭博社》專欄作家 Parmy Olson 指出，微軟和 Google 都忙著把大型語言模型用在搜尋引擎上，但卻沒看到，和作為一個事實提供者相比，ChatGPT 更合適做情感陪伴者。Olson 還讓 ChatGPT 去做了情商測試，結果居然比她自己和同事都好。正因為 ChatGPT 是用網路上文字素材訓練的，資料中會有大量錯誤資訊，但這也讓它更善於模仿共情。

這些案例都充分說明了，大型語言模型對自然語言的理解能力其實有著很大的應用潛力。借助如此強大的理解能力，我們可以利用大型語言模型真正實現又一次的人機互動革新，同時大型語言模型的出現為機器人的發展帶來了新的可能性。

大型語言模型可以讓機器人可以更好地理解和處理指令，更快地學習和適應新的任務和環境。《紐約客》在封面文章《黑暗工廠》（Dark Factory）中提到，目前工業機器人一個共同的難點，就是設計一個像人手一樣的「末端執行器（end effector）」，讓機器人能以不同的力度抓取大小形狀各異的物體。

如果這個技術難題得到解決，機器人能完成更多精細的工作，很多領域自動化的程度也會大大提高。比如各種水果的採摘可以實現自動化，富士康的流水線也不再需要這麼多工人了。