加密新闻

Anthropic公司公布了其Project Fetch实验的最新成果。此次，语言模型Claude Opus 4.7在自主性方面实现了令人瞩目的飞跃：它完成四足机器人的配置和控制任务的速度，比去年工程师团队快了20倍。

2024年8月，Anthropic的员工（此前并无机器人技术经验）曾尝试借助人工智能对机器狗进行编程。当时，模型仅能帮助人类更快地找到解决方案。而新阶段的测试彻底改变了方法：Claude Opus 4.7在研究人员最低限度的监督下，几乎完全自主地完成了工作。

该神经网络独立完成了全部任务流程：

• 连接视频传感器和激光雷达；
• 编写手动控制程序；
• 创建运动轨迹监控系统；
• 配置物体识别算法。

对比分析显示了惊人的结果。Opus 4.7模型的速度比使用旧版人工智能的团队快18倍，比没有聊天机器人辅助的人类快37倍。同时，神经网络生成的代码效率显著更高——其代码量仅为人类团队的十分之一。这表明模型对任务有深刻理解，并具备大多数工程师难以企及的优化能力。

值得注意的是，据开发者称，这一进步是语言模型整体规模扩展的副产品。Anthropic并未引入专门用于控制硬件的算法——模型只是通过代码更好地理解了物理世界。

然而，并非一切完美。Claude在实时精确物理动作方面仍存在困难。模型能够将机器人引导至目标，但未能完成将球精准推至指定点的任务。这需要复杂的反馈机制，而人类在这方面仍保持优势。

我的专家评估：我们正在见证“物理人工智能代理”时代的萌芽。Anthropic说得对——未来几年，神经网络将像现在处理代码一样高效地使用标准工具和设备。但弱点在于与不可预测的物理环境的交互，这仍将是主要挑战。行业需要解决人工智能适应现实世界的问题，在这个世界里，一毫米的误差就可能导致整个实验失败。