人類的年夜腦功效壯大，但它有一個嚴重的局限性:你不克不及像黑客帝國那樣，及時下載新的信息。但是，機械人固然可以。

想象一下如許一個將來，這些機械人會在云端互相銜接，當他們中的個中之一進修某件器械的時刻，他們都邑學到。讓我們愿望一切都是美妙的，好比給對方一個擁抱。但成績是，你弗成能只讓一個小車學會抓器械，然前期待將雷同的技巧付與一個粗笨的雙足機械人。

但明天，麻省理工學院盤算機迷信與人工智能試驗室的一項新研討為完成這類無縫的常識轉移向前邁進了一年夜步。這一切都始于一個名叫Optimus的小機械人和它的同伙，有名的6英尺高的人形機械人Atlas。研討人員教會了用于炸彈處置的機械人Optimus若何從一根管子中拉出另外一根管子。

起首，他們?yōu)槠浯鎯α艘恍╆P于分歧物體須要分歧操作的信息。然后，他們讓它的手拿住一張sim卡。

該研討的作者之1、機械人專家克勞迪婭佩雷茲-達皮諾表現(xiàn):“想象一下，機械人地點的一個3D世界，有了鼠標，你便可以掌握它的手，然后挪動它們。經(jīng)由過程這類方法，不須要專業(yè)的法式員就可以夠批示機械人。對操作人員來講，這更直不雅，由于這和人類進修的方法很類似:踉蹌學步的孩子控制了一個技巧，好比若何捉住一個娃娃，而當他們碰到新事物時，就可以從新調劑他們的原有技巧。

如今，若何將機械人的技巧轉移到一個比它年夜許多倍的機械人身上?究竟，這款機械人面對著一個新的挑釁:不會臉朝下摔倒。“從數(shù)學下去說，它可以被寫成另外一系列的束縛，”佩雷茲-達阿皮諾說，“假如你能想象獲得，那就把你的重心放在某個區(qū)域。”從實質上說，操作員必需給這個新機械人一些規(guī)矩，好比若何準確地堅持均衡，若何履行與Optimus雷同的義務。把這些規(guī)矩與Optimus關于操控管子的技巧聯(lián)合起來，你就可以順遂地取得響應技巧。固然，這不是主動轉換，這僅僅是一個開端。

今朝，Atlas只能在模仿器中完成交代任務。但這一停頓讓我們得以窺見將來，更多的機械人可以或許與人類交互。好比，他們能夠會經(jīng)由過程一個名為“強化進修”的進程，自學從一根管子中掏出管子，這一進程根本上是在賡續(xù)測驗考試，直到終究找到準確的辦法。

想象一下，在工場的情況中，假如一個機械人學會了若何更高效地操控某件器械，它就可以經(jīng)由過程云把技巧流傳給錯誤。并且，正如佩雷茲達皮諾所展現(xiàn)的那樣，這些技巧乃至可讓各類機械人協(xié)同任務。

很快，機械人就會在沒有人類贊助的情形下思慮，并自在地流傳這些技巧，像擁抱之類的技巧。