人工智能的方向是不是走反了（六）感知：从马尾巴的功能说起

1975年，葛优的父亲，著名电影演员葛存壮在电影《决裂》中饰演了一位“资产阶级教授”欧阳教授，只见教授站在农村大学的讲台上，黑板上挂着一匹马的彩图，当教授用教棒指着马尾巴说“现在开始讲马尾巴的功能”时，引起教室中的工农兵大学生们一阵哄堂大笑，因为他去的地方是江南地区，台下的学生没见过马，希望听老师讲牛的知识。而让人想不到的是，后来这句经典台词“马尾巴的功能”成为了一个年代流行词，甚至成了葛存壮的外号。

无独有偶，2011年11月中国大百科全书出版社还出了本《马尾巴的功能》的科普图书，里面还专门介绍了由16-18块尾椎骨组成的马尾，在防寒保暖、驱蚊清洁方面的生理功能，以及通过摆动保持平衡的运动功能，当然还有能做琴弓的经济价值。

人工智能在认知层面做得确实已经很好，最近OpenClaw的出现甚至掀起了一波新的装机热潮。从发展的趋势来看，未来可能会是：人类越觉得难学习、需要花长时间学习的，人工智能反而越容易表现出好的性能。

而自动驾驶这块，在今年春节期间也表现出了很明显的变化：路上的小蓝灯多了不少，它意味着高速公路的自驾已经变得越来越成熟。另外，春晚宇树的《武BOT》的出镜也让全世界眼前一亮。与去年的《秋BOT》相比，已经没有了颤颤巍巍的感觉，机器人不仅能前空翻，还有跳跳台、反向跳过跳台、舞棍、打醉拳，动作表演上与常人无异，甚至有些还超过了人类。

显然，人形机器人这块，我国已经走在了世界前列。

但是，是否它意味着我们就能真正把之前提到的感知问题解决了呢？答案是并非如此。原因在于精细化、多样性、丰富性、协调性、可再生等方面还不及自然界进化的好使。以下来展开逐个分析。

精细化：现在机器人的力量已经不小，能跑能跳能空翻，但在精细化方面仍有差距。一个最简单的动作，双手拧瓶盖，目前在网上能见到的只有固定一端来拧的，而双手的还没见过。其中的因素在于，它涉及到用力的变化，因为矿泉水瓶拧开后瓶身会瞬间变软，如何控制对机器来说很难。还有双手之间的配合等因素的影响。

再顺便说下自动驾驶，虽然这块新能源车已经做得不错，但从难度上来看，它不需要像拧瓶盖那样要考虑精细处理，把各种目标视为方块，按厘米级来处理即可。但人类的触觉可以是在毫米级的，且还不止这一个距离度量。比如温度、湿度、硬度、风速等因素的感知，都是生命传感器常具备的基本功能。就如同马尾巴一样，目前的机器人在感知外界的能力上，可能还不如马尾巴感知能力强。又由于缺乏精细的操控，在对环境的理解上也与自然进化的生物有着不完全相同的逻辑，它的安全性和对复杂开放环境处理能力也仍然是开放问题。比如，我们能在网上看到机器人演出时伤人的视频。

多样性：如前所述，生物的传感器的种类繁多，比如人类有眼观六路、耳听八方之说，也有寒毛竖起、起鸡皮疙瘩之类的对皮肤感知反应的描述，还有“万枝破鼻飘香雪”、“淡中知味谁三咽”这样对嗅觉、味觉分辨能力的细腻表达。虽然我们在机器人、自动驾驶或其他人工智能相关领域，也集成了不少的传感器，能具备类似的功能，但在细节方面、传感器的密度和能耗等诸多方面上，目前人类的工艺还无法做到完全复刻，即使是想通过反编译找出其规律也很难。

丰富性：生物传感器不仅种类多，更强悍的是数量级上有明显差异。如皮肤上的汗毛、皮肤上的触觉、耳朵里的毛细胞。与人类生产的机器人相比，因为数量上的巨大差距，人类自身能感受到更为细腻的变化。这一点，也是人工智能目前很难匹敌的，比如我们的针对图像的处理，如果采用卷积神经网络或类似的结构，输入层的特征数就必须控制在不能爆掉内存的基础上。

相互协调性：如果从大数据的角度来看，目前我们一般是两种主要方式来处理多模态，一种是叠加在一起，另一种是拼接。而自然界演化出的生物体，在不同传感器或不同模态之间并不止这两种合作模式，可能还会有相互间的配合，甚至相互的影响，甚至先后关系等高阶关系。当然，Transformer也通过QKV来线性寻找Token之间的（长程）关联性，但与生命体这种全模拟非线性的还是有很大不同。

可再生：除了协调性，另一个目前具身智能不具备的能力是可再生性。比如我去年12月骑单车，因为单车轮胎不小心卡在横梗于马路上的铁轨间，导致膝盖处表皮组织被磨掉，但经过一个月的调养后，损伤的地方就自行愈合了。而反观机器人，我们能做的是置换。对于硅基生命而言，目前还看不到可以自行修复的情况。当然，人类器官在出现严重问题时，也会考虑利用医学的技术来置换，比如关节、烧伤的皮肤、内脏器官等。这是题外话。

而提及的这些性质，实际上还有另一层含义，它为自然界的生命体建构了一个具有相互关联能力的、如网络般、可自行修复的输入层。有了这样的输入层，也许就不需要巨量的数据来训练随后的大模型了。为什么呢？下回分解。