人工智能（AI）研究组织OpenAI在制造具有通用性、能够自我学习的机器人方面取得了新的里程

碑。该组织的机器人部门表示，其去年首次亮相的机器人手Dactyl已经学会了单手解魔方。

OpenAI将这个壮举视为一次飞跃，这既体现在机器人手的灵巧性上，也体现在其自主研发的AI软

件上。这种软件允许Dactyl在面临真正的物理挑战之前，利用虚拟模拟来学习如何执行新任务。

在展示Dactyl新才艺的演示视频中，我们可以看到机器人手以摸索的方式逐渐破解魔方，虽然其动作显得有点儿笨拙，但却十分精确。尽管破解的过程有点儿长，但Dactyl最终解决了这个难题。这个机器人手的动作看起来明显不如真正的人手灵活，甚至有点儿脱节，更无法与那些能在短短几秒钟内破解魔方的人的惊人速度和敏捷相比。

但对于OpenAI而言，Dactyl的成就使其向更广泛的AI和机器人行业令人向往的目标又迈进了一步。这个行业希望研发出能够学习执行各种现实世界任务的机器人，它们无需培训数月乃至数年时间，也无需专门进行编程。

韦林德指的是过去几年中出现的各种机器人，这些机器人已经将破解魔方的方法推向远远超越人类双手和思维的极限。2016年，半导体制造商英飞凌(Infineon)开发了一款专门用于以超快速度破解魔方的机器人，该机器人成功地在一秒钟内完成了这个任务。这打破了当时由人类保持的世界纪录（不到5秒）。两年后，麻省理工学院开发的一台机器在不到0.4秒的时间破解了魔方。

换句话说，为某一特定任务而设计的机器人，并被编程为尽可能高效地执行该任务，通常最适合人类，而破解魔方是软件很久以前就掌握的东西。因此，开发机器人来破解魔方，即使是与人手相似的机器人，本身也并不是那么引人注目。Dactyl操作的速度十分缓慢，这让其取得的成就更显得不起眼儿。

但是OpenAI的Dactyl机器人和驱动它的软件，在设计和用途上与专用的魔防破解及其有很大的不同。正如韦林德所说的那样，OpenAI正在进行的机器人研发工作并不是为了在狭隘任务中获得卓越的结果，因为这只需要你开发更好的机器人并相应地对它进行编程就可做到。这甚至可以在没有现代AI支持的情况下完成。

但直到最近，训练AI代理做些虚拟的事情（例如玩电脑游戏）比训练它执行现实世界任务要容易得多。这是因为，研究人员可以加快训练软件在虚拟世界中做某些事情的速度，这样AI就可以在现实世界的短短几个月时间内接受相当于数万年的训练，这得益于数千个高端CPU和超强大GPU并行工作的结果。

用物理机器人进行同样水平的训练并执行物理任务是不可行的。这就是为何OpenAI试图用模拟环境代替现实世界来开创机器人训练新方法的理由，这也是机器人行业几乎没有尝试过的东西。在这种情况下，该软件可以同时在许多不同的计算机上以加速方式进行广泛的练习，并希望它在开始控制真正的机器人时保留这些知识。

由于训练的局限性和存在明显的安全问题，今天商业中使用的机器人不使用AI，而是用非常具体的指令进行编程。韦林德解释称：“过去的方法是，你需要使用非常专业的算法来解决特定任务，你可以对机器人模型和环境进行精确操控。对于工厂机器人来说，你有非常精确的模型，而且你也确切地知道自己所处的工作环境，因此你非常了解它将如何执行特定的任务。”

这也是为何当前机器人远没有人类那么多才多艺的最重要原因。人们需要大量的时间、精力和金钱来重新给特定的机器人编程，比如组装汽车特定部件或计算机组件的机器人。没有经过适当训练的机器人，即使是在执行人类看起来非常简单的任务，它都会经历惨败。然而，有了现代AI技术，机器人可以模仿人类，这样它们就可以使用对世界同样直观的理解来做从开门到煎蛋等各种事情。至少，这是我们的梦想。

我们距离机器人能够执行这种复杂程度的任务仍然有几十年的距离，AI社区在软件方面所取得的飞跃，比如自动驾驶汽车、机器翻译和图像识别，还没有完全转化为下一代机器人身上。目前，OpenAI只是试图模仿人体某一部位的复杂性，并让机器人的模拟操作变得更自然。

这就是为何Dactyl会被模仿人手设计成拥有24个关节机械手的原因，它与我们在工厂里看到的机械爪或机械钳完全不同。对于支持Dactyl学习如何以人类的方式利用所有这些关节的软件，OpenAI尝试在现实世界中破解魔方之前，已经在模拟环境中对其进行了数千年的训练。