近日，AI大神Andrej Karpathy接受Youtube频道No Priors访谈，分享了他在多个前沿领域的深入思考，尤其是在自动驾驶、机器人技术、AI教育以及人类与AI融合的未来展望方面。
Andrej回顾了他在Tesla Autopilot项目中的工作经历，并对自动驾驶技术的现状进行了深刻剖析。他提到，目前在自动驾驶领域，Tesla与Waymo有着明显的不同路径。Tesla更多依赖软件优化，通过基于视觉的深度学习模型来实现自动驾驶，而Waymo则依赖昂贵的硬件，如激光雷达和其他传感器。Andrej认为，Tesla的优势在于其规模化部署和软件的不断优化，这使得他们能够在全球范围内迅速收集大量数据，从而不断提高模型的准确性和可靠性。而Waymo则面临着硬件成本和扩展规模的挑战，尽管其硬件在某些场景下的表现优异，但其高昂的成本使得技术的普及变得更加困难。关于自动驾驶技术的普及，Andrej认为，虽然我们目前可以看到一些商业化的自动驾驶车辆在特定区域内运营，但真正的全球化普及仍然面临巨大的挑战，这不仅仅是技术的问题，还有法规、基础设施以及公众接受度等多方面的障碍。要从演示到全球化部署，依然需要时间。
谈到自动驾驶技术的进展，Andrej提到，他曾亲自体验过Tesla的自动驾驶系统，并且在过去几年中，该系统已经取得了显著的进展。尽管如此，他认为，真正的突破性进展仍然需要克服软件和硬件之间的深层次问题，并解决如何在更复杂的环境中安全、稳定地部署这些系统。他进一步强调，Tesla在自动驾驶技术上仍然面临着“软件问题”，而Waymo则面临着“硬件问题”。Andrej认为，软件问题相对更容易解决，而硬件问题则需要更大的投入和长期的技术迭代。他认为，如果Tesla能够成功地将其自动驾驶技术推向成熟，并解决这些瓶颈，那么这将是一次重大的突破。
在谈到Tesla的Optimus人形机器人时，Andrej分享了他对机器人技术未来的看法。他提到，Tesla并不是一家公司专注于制造汽车，而是一家专注于大规模生产机器人技术的公司。Andrej认为，汽车和机器人在技术上有许多相似之处，尤其是在感知、控制和人工智能方面。因此，Tesla在生产汽车时积累的技术经验可以直接转移到机器人领域。他透露，Tesla的人形机器人Optimus在早期版本中实际上使用了与汽车相同的计算机和摄像头，并且能够利用汽车的神经网络进行基本的移动和感知。尽管人形机器人和汽车在某些方面有所不同，但大多数技术和硬件都可以共享和复用。因此，Andrej认为，Tesla在人形机器人领域的技术进展不会像很多人想象的那样困难。
不过，Andrej也指出，人形机器人目前的应用还不成熟，尤其是在动作控制和与人类交互方面。他认为，尽管机器人在未来可能会被应用到家庭领域，但最初的应用将主要集中在工业领域，如材料处理和仓储管理等。在谈到人形机器人设计时，Andrej认为人形形式具有独特的优势，因为人类社会是围绕人类需求和活动设计的，机器人如果能够模仿人类的形态，将能够更好地适应现有的环境。尽管如此，他也承认，人形机器人在完成某些任务时可能并非最优选择，例如，在一些需要超人力量或精度的任务中，其他形态的机器人可能更为高效。
在讨论机器人技术的现有挑战时，Andrej提到，人形机器人面临的主要技术瓶颈之一是“下肢控制”，即如何让机器人像人类一样稳定地行走。他表示，下肢控制更多依赖于物理控制理论，比如倒立摆的控制，这与上肢的精细动作控制截然不同。因此，在下肢的运动模仿上，机器人技术还需要很多的改进。他提到，尽管这些问题看似技术上复杂，但并没有什么单一的障碍阻碍着机器人技术的发展。相反，解决这些问题更像是一个持续迭代的过程，需要不断地收集数据、调整算法并进行反复试验。
Andrej在访谈中还深入讨论了AI技术，特别是Transformer模型的突破性进展。他认为，Transformer不仅是一个神经网络架构，更是一个“通用的计算机”。他指出，Transformer的强大之处在于其可扩展性和通用性，它能够高效地处理各种任务，尤其是在自然语言处理和图像识别等领域。Andrej提到，在Transformer之前，AI研究人员在使用LSTM和其他神经网络架构时，面临着“扩展性损失”的问题，即模型规模扩大时性能反而下降，而Transformer则解决了这一问题，成为了大规模AI任务的“万能工具”。
不过，Andrej也指出，目前AI进展的瓶颈并不在于算法架构本身，而是在于数据和损失函数的设计。他认为，现有的大型模型已经足够强大，但真正的挑战在于如何构建和优化训练数据集，尤其是如何生成高质量的内心独白式数据（即模型可以“思考”并展示推理过程的数据）。他认为，尽管互联网数据已经为训练大型模型提供了大量的素材，但这些数据往往缺乏足够的推理深度和内在逻辑，因此需要更多的合成数据生成技术，以弥补这一缺陷。
在谈到人类与AI的关系时，Andrej表达了他对人类和AI融合的积极看法。他认为，AI应该是人类能力的扩展，而不是替代。他指出，我们现在已经在某些领域实现了这种融合，例如，智能手机和AI助手已经成为人类日常生活的一部分，帮助我们处理各种任务。Andrej认为，未来我们将看到更加紧密的融合，尤其是在脑机接口技术发展成熟之后，AI将成为人类认知的一部分，帮助人类大脑扩展其处理能力，甚至可能成为人类“外部大脑”（exo-cortex）。他认为，尽管这种技术目前还处于初级阶段，但它在未来将极大改变人类的工作方式和生活方式。
在教育领域，Andrej正在开发一种基于AI的教学模式，旨在为全球学生提供个性化的学习体验。他认为，传统的教育模式已经无法适应快速变化的科技时代，AI可以为教育提供强大的支持。他设想，AI可以充当“前端助教”，为学生提供即时反馈和个性化的指导，而教师则可以专注于课程设计和内容创作。Andrej的目标是通过AI实现教育的全球化和普及，使所有人都能获得高质量的教育。他相信，AI教育不仅可以提升个人的学习效果，还能促进社会整体的进步和发展。
对于未来的教育方向，Andrej建议年轻人专注于学习数学、物理和计算机科学等基础学科，他认为这些学科是培养思维能力和解决问题能力的核心，能够帮助人们在未来的AI驱动社会中占据竞争优势。尽管他也提到其他学科的重要性，但他认为这些基础学科将为人们提供最坚实的思维基础。