Google展示可讓機器人寫程式的AI模型

在本周的AI大會上，Google展示可為機器人加入AI能力，使機器人能為自己寫程式，而不必再透過大量資料訓練。

Google研究科學家Andy Zeng說明，控制機器人最常見的方法是寫程式讓它們偵測物體、序列指令來推進制動器及回饋循環（feedback loop），命令機器人該做什麼。但是為每一項新任務撰寫規則，卻相當耗時，且需要領域知識。

現代AI語言模型已愈來愈強大，例如Google今年初發表的PaLM具備複雜的理解能力，這類語言模型以數百萬程式加以訓練而成，只要人類給適當自然語言指令，模型就能撰寫泛型程式，也能寫出控制機器人行為的程式碼。

為了實現上述概念，Google開發了Code as Policies（CaP），這是將語言模型產生的程式，以實體機器人實作執行。CaP是Google早先開發的幫手機器人模型PaLM-SayCan的延伸。Google的CaP希望使用者以Python通用語言運用少量、簡單的說明，就能讓語言模型撰寫機器人程式碼，讓機器人精準執行，最終目的在可讓單一系統執行多種複雜任務，而不需特別訓練。

研究人員解釋，CaP使用一種程式碼撰寫模型，在提供了暗示（如告知它有哪些API）及範例（如命令該如何轉成程式碼）後，就能為新命令撰寫新程式碼，像是重寫API呼叫、合成新函式，表達回饋循環，以程式語言表達出來，在runtime組成新行為。

CaP可將概括化結果輸入到有知覺控制的系統，不需要像傳統機器人學習過程中蒐集大量資料才能學習。它還能運用第三方函式庫來內插數據點或分析、產生形狀；除了能泛化指令，還能將精準的值翻譯成模糊描述（例如將特定速度翻譯成「很快」）。並能套用其他語言模型，像是支援非英語指令及emoj的指令。

Google說，這策略也是在現有機器學習從「模組化」（modularity）到「泛化」（generalization）的策略，並運用開源碼及從網路蒐集大量資料外，另闢蹊徑的方法。

目前Google的CaP機器人可以執行簡單任務，像是在某區塊中間「畫5公分六角形」或是「將積木排成水平直線」。不過研究人員也坦承這系統還無法處理抽象或複雜指令，或理解較複雜的描述。

Google已經將CaP的程式碼及技術白皮書公開在GitHub上。