加密新闻

语言模型的发展持续让最老练的市场参与者感到惊讶。Anthropic在Project Fetch项目中的最新实验展示了行业的发展方向：人工智能不仅开始帮助人类，而是完全接管复杂的物理任务。

测试的关键结果是，Claude Opus 4.7模型在配置和控制四足机器人方面，比一年前最优秀的人类工程师团队快20倍。同时，神经网络几乎完全自主运行，仅在研究人员的最低限度监控下工作。

人工智能完成的一系列操作令人印象深刻：连接视频和激光雷达传感器、编写手动控制程序、创建机器人运动轨迹监控系统以及配置物体识别算法。所有这些都是在没有人类实时参与的情况下完成的。

对比分析显示了进步的显著程度。与使用旧版人工智能的团队相比，Opus 4.7的速度快了18倍。而与没有聊天机器人辅助的人类团队相比，则快了37倍。值得注意的是，神经网络编写的代码比人类编写的紧凑10倍，这表明其高效性和优化程度。

一个重要细节是：Anthropic并未引入专门用于机器人控制的算法。正如实验作者所指出的，这一进步是语言模型整体规模扩展的附带效应。这证实了我长期以来的假设：通用人工智能系统能够通过计算能力和数据量的增长，无需针对性训练即可掌握新领域。

然而，限制依然存在。Claude在精确的物理操作方面仍面临困难。该模型成功将机器人引导至目标，但无法精确地将球推到指定位置。这类任务需要复杂的实时反馈——在这一领域，人类仍然优于人工智能。

Anthropic相信，行业正进入"物理人工智能代理"时代，神经网络将像处理软件代码一样高效地操作设备。在我看来，这只是时间问题：一旦模型能够以处理文本的速度处理传感器反馈，数字世界与物理世界之间的界限将彻底消失。