摘要：她为了让计算机准确识图，从网上下载近10亿张图片通过筛选、整理、打标签，成功建立了1500万张的图片库，这个工作量相当于一个人不吃不喝不睡，连续工作20年。

黄剑博颠覆认知 | 人工智能教母：空间智能颠覆AI ChatGPT.

华人AI女神：从洗碗工到谷歌首席科学家，她是如何逆袭的？

虎落平川被狗欺：当牛人落魄时，不要低估他。

李飞飞在美国读书时，经常到中国餐馆洗盘子、当清洁工，打工补贴家用。距离申大学仅剩两年的时间，她一边打工、一边上课、一边学习英语，一天只能睡四个小时。

她为了让计算机准确识图，从网上下载近10亿张图片通过筛选、整理、打标签，成功建立了1500万张的图片库，这个工作量相当于一个人不吃不喝不睡，连续工作20年。

如果要让机器人倒茶，那么机器人首先需要抓住茶壶手柄并使之保持直立，不泼洒出茶水，然后平稳移动，一直到让壶口与杯口对齐，之后以一定角度倾斜茶壶。这里，约束条件不仅包含中间目标（如对齐壶口与杯口），还包括过渡状态（如保持茶壶直立）；它们共同决定了机器人相对于环境的动作的空间、时间和其它组合要求。

当你醒来能睁眼看世界时，你的这个能力实际上进化了几亿年。

曾经有一个时代，“看见”这个概念本身并不存在，直到三叶虫的出现，它们是第一批能够感知光线的生物，标志着一个全新世界的开始。它们首次意识到，除了自己，还有更广阔的世界存在。

这种视觉能力可能催生了寒武纪大爆发，让大量动物物种开始在化石记录中留下痕迹。从被动地感受光线，到主动地用视觉去理解世界，生物的神经系统开始进化，视觉转化为洞察力，进而引导行动，最终产生了智能。拍照和真正地「看」并理解是两回事。今天，我想补充一点。仅仅看见是不够的。真正的「看」是为了行动和学习。当在三维空间和时间中采取行动时，我们将通过观察来学习如何做得更好。自然界通过「空间智能」创造了一个良性循环，将视觉和行动联系起来。

最近，知名人工智能科学家李飞飞团队发布了“空间智能”研究方向的最新突破，提出了关系关键点约束，ReKep是一种基于视觉的表示方法，用于设定机器人操作中的约束条件，从而优化其动作。它通过将环境中的三维关键点映射到数值成本来定义这些约束，这些关键点具有任务语义和空间意义。

简单而言，该研究就将任务表示为一个关系关键点约束序列，同时现有环境则表示为空间域和时间域上的约束，从而优化机器人的操作，并进行复杂且精细的交互操作。例如，在机器人倒茶的场景中，约束条件不仅包含中间目标（如对齐壶口与杯口），还包括过渡状态（如保持茶壶直立），共同决定了机器人相对于环境的动作的空间、时间和其它组合要求。此外，该研究中，两只机器人手臂还能合作完成诸如叠衣服、打包鞋子等操作。

值得注意的是，该研究中还使用了大模型，李飞飞团队结合了视觉模型和视觉语言模型，设计了一套流程来实现关键点提议和ReKep生成。这些模型中就包括GPT-4o（OpenAI为聊天机器人ChatGPT发布的语言模型）。为此，李飞飞表示，该项目展示了视觉与机器人学习的更深层次融合。

研究过程中，该团队在两种不同的机器人平台上搭建了系统，并进行了多种任务的实验，包括单臂和双臂机器人的多阶段、双手协作积极反应性的操作任务。实验结果表明，该系统在没有任务特点数据或环境模型的情况下，能够有效地形成准确的约束。同时，研究还讨论了ReKept在泛化操作策略、系统错误分解和实验结果方向的挑战和局限性。李飞飞是人工智能领域最重要的科学家之一，是现代人工智能的关键催化剂ImageNet数据集的创建者，推动了计算机视觉和深度学习的发展。

同时，李飞飞也是一名创业者，今年4月她创立了一家人工智能初创公司World Labs （世界实验室），专注于开发能够执行高级推理并理解对象之间3D空间关系的“空间智能系统”。此后，仅4个月该公司就获得了1亿美元的融资，跻身独角兽行列。

#黃劍博采風追影 #JumboHuang #皇氏古建築大全 Jumbo Heritage List

来源：黃劍博采風追影