在位于加利福尼亚州山景城的Facebook AI Research(FAIR)实验室的建筑物的屋顶上，有一个机器人训练营，太阳光照射在Daisy上，这是一个正在学习如何在泥泞的慢跑道上行走的六足机器人。当她努力自由地摔跤时，她的脚已陷入覆盖物。一群Facebook人工智能研究人员急切地看着，看着她接下来会做什么，随着孩子的好奇心和实验向前推进。一次飞行，Daisy的对手Pluto，一个红臂机器人，正在学习如何在其围栏中找到一个物体。玩具遍布各处。
Facebook正在努力教导机器人如何自己思考并培养人类般的直觉，使他们能够驾驭未知环境。这种方法被称为体现AI，这意味着为软件提供一个物理体来探索，并且是一种比预先编程的AI更灵活的学习方式，这种方法受到确定性算法和固定数据集的限制。
然而，随着七国集团和美国政府最近的审查，仅仅提到Facebook培训机器人可能会让那些已经关注社交网络的人心生恐惧。然而，我在访问Facebook机器人实验室期间目睹的事情让我觉得我们距离Elon Musk经常发布的科幻人工智能大灾难还很远。
接下来是与Facebook人工智能研究人员Roberto Calandra和Franziska Meier(他们正在物理环境中使用物理机器人一起工作)和Dhruv Batra的讨论记录的编辑记录，Dhruv Batra给了我一个关于Habitat实现的里程碑的专访，这是一个体现代理平台在虚拟环境中训练虚拟机器人。
Franziska Meier：人工智能的进步受到了结构化数据集的推动，但如果你考虑智能是如何表现出来的，那就是我们如何在现实世界中互动。机器人还通过在现实世界中进行交互来学习，因此我们正在与他们合作以更快地构建更好的模型。
冥王星，我们的红臂机器人一直在学习如何触及某些东西，但不知道将什么命令发送到其电机移动到某个位置。机器人需要了解自己。好奇心起着关键作用。“用手?”它认为(Meier给我演示了一个演示)。在自我监督学习中，机器人做了一些事情，观察变化并试图理解这些数据。
对于机器人，您没有结构化数据集，而是从错误的模型开始，并使用它来预测您的行为的后果。机器人尝试它认为可能将它带到该位置的动作序列。当它在其他地方结束时，它会获得用于更新模型的观察的新数据。