麻省理工学院本周展示了一种训练机器人的新模型，旨在解决模仿学习在引入小挑战时可能会失败的问题。研究人员指出，模仿学习在照明、不同环境或新障碍等情况下可能会失败，因为机器人根本没有足够的数据来适应。该团队寻求像 GPT-4这样的模型来寻找一种强力数据方法来解决问题。他们引入了一种名为异构预训练变压器（HPT）的新架构，该架构将来自不同传感器和不同环境的信息汇集在一起。然后使用变压器将数据汇总到训练模型中。变压器越大，输出越好。用户可以输入机器人

近日，一项新研究表明，仅仅通过与聊天机器人进行不到10分钟的对话，就能有效降低人们对某些深信不疑的阴谋论的信念，比如关于 COVID-19疫情的谣言。这项研究由麻省理工学院的团队主导，研究人员特别设计了一个高效说服力的 AI 模型 ——ChatGPT，通过与参与者的个性化对话，逐一驳斥他们的阴谋论主张。在这个实验中，研究人员招募了超过2000名自认相信阴谋论的参与者。通过与 ChatGPT 的对话，平均而言，参与者对自己所相信的阴谋论的信念降低了约20%。更有意思的是，四分之一的参

麻省理工学院计算机科学与人工智能实验室展示了一种创新的家用机器人训练方法，利用iPhone扫描用户家庭环境，将数据上传至模拟环境进行训练。此方法旨在解决传统机器人训练在适应复杂家庭布局、光照与物体摆放时的局限性。通过模拟训练，机器人能在虚拟世界中进行数百万次实践，无实际损失，显著提高适应能力。环境数据库的构建，不仅强化了机器人在已知环境中的表现，更使其在面对动态变化时能够迅速调整，提高在家务场景中的智能化水平。

["麻省理工学院的一组领导者和学者组成的临时委员会发布了一系列关于人工智能治理的政策文件","主要政策文件提出通过扩展现有监管和责任框架来覆盖人工智能，强调AI提供商需要事先定义应用程序的目的和意图。","政策文件还探讨了人工智能在医学、知识产权、以及“人加”法律问题等领域的治理挑战，以促使人工智能技术在社会中的安全和繁荣应用。","政策文件不仅涉及现有机构，还提出增强新的监管能力。其中，文件呼吁对新的人工智能工具进行审计，这可以通过政府发起、用户驱动或源自法律责任诉讼进行。"]

["MIT CSAIL 的 “GenSim” 项目利用大型语言模型（LLMs）如 GPT-4，通过自动生成新任务或详细说明所需行为的每个步骤，扩大了机器人可以接受培训的仿真任务范围。","GenSim 系统具有目标导向和探索两种模式，通过 LLM 生成任务描述和模拟行为所需的代码，然后利用任务库优化代码，最终生成能教导机器人执行新任务的仿真。","在经过人类预训练的基础上，GenSim 自动产生了 100 种新行为，相比之下，类似的基准测试需要手动编写每个任务。该系统在演示中成功地训练机械臂执行任务，如以比可比方法更高的速度放置彩色积木。","GenSim 可能有助于厨房机器人、制造业和物流领域，在这些领域，该方法可以生成用于培训的行为。这将使机器人能够适应具有多步骤过程的环境，例如堆叠和将箱子移动到正确的区域。"]