AI的下一步是什么？也许是特定于物理的智能，而不是通用人工智能。 这是一篇论文草稿。 （1） 首先，人工智能现在正进入炒作周期的低谷。每一项技术，无论多么惊人，都会经历这一过程。一旦空间开始变薄，这实际上是投资和建设的最佳时机之一。 （2） 其次，人工智能在搜索、总结、可视化和原型制作方面都非常有用，同时也是垃圾邮件、骗局和垃圾的一个非常恼人的来源。太多人只会关注缺点。 （3） 第三，人工智能的确切平稳期是出乎意料的。目前的模型似乎在“更好的网络搜索和摘要”方面达到了顶峰，这一事实并不是2022年大多数人会想到的。颠覆谷歌是一项历史性成就，但它不是机器之神。 （4） 关于模型为何以这种方式停滞不前的一个论点是，LLM风格的数字AI实际上只是在重复，而不是真正的思考。它在下游，而不是上游。现在，你可以比大多数人想象的更进一步。但你不可能一路走到新奇的想法。 （5） 这就引出了另一个问题：正如我之前所说，数字人工智能是从中间到中间的，而不是端到端的。因为数字人工智能的瓶颈是提示和验证。 （6） 然而，*物理*人工智能——从机器人引导的意义上讲——*可以*端到端地做事情，尽管在边缘案例上投入了大量精力。例如，自动驾驶汽车现在真的可以把你从A点带到B点。它们是端到端的。 （7） 因此，像“从A点到B点的驾驶”这样非常明确且具有经济价值的物理世界问题，是我们应该看到人工智能取得重大进展的地方。称之为物理特异性智力。 （8） 尤其是中国的机器人，它们将完成一项又一项任务，其形式多种多样，不仅限于汽车或类人机器人。人行道机器人和送货无人机已经与自动驾驶汽车一起在中国投入使用，它们的硬件行业正在加速发展。 （9） 一个更短期的原因 对物理特定智能而非通用人工智能的乐观态度是，物理世界是真实的，而数字世界可以是虚构的。@drfeifei提出了相关观点，即教科书中的同步定位和映射（SLAM）概念实际上是一个明确的物理世界模型，这是我们都知道的数字领域所缺乏的。 （10） 特别是，如果你有N个不同的机器人都在做SLAM（或等效），并将它们的传感器数据上传到中央数据库，那么它们在某种意义上都是在从同一个物理世界和彼此学习。自动驾驶汽车行驶的数百万英里训练里程表明，这一策略是有效的。 （11） 与数字世界相比。文本可以是假的，也可以是虚构的，事实上经常如此。随着人工智能文本渗透到网络中，这种情况更加严重。 （12） 因此，感知物理世界的N个机器人将趋同于一个共识现实。Unitree机器人和特斯拉机器人将感知相同的物体。相比之下，数字世界中的N个代理只会不断摄取文本和图像，这可能会而且将会是不一致的。 （13） 在没有数字签名的情况下，用于人工智能训练的在线数据不仅在内部不一致，而且在微妙或深层次上都是假的。事实上，广泛的人工智能模型确保了许多数字数据（在硬数字边界之外）将成为虚假的、垃圾的或人工智能代理之间的对话。 （14） 算法的突破可能会消除我刚才说的一切。但至少现在，这个领域似乎对身体特异性智力开放。 （15） 物理特定智能的工业版本是工厂机器人。然而，消费者版本是一个智能事物的花园：机器人汽车、狗、无人机、冰箱等可以与你交谈并理解你的东西。亚马逊Alexa，但一切？