由|有一组Huxiu技术集团|歌曲的编辑| Miao Zhengqing Head图片|在电影《模仿游戏》返回中国两个月后，卢·江加入Zhiyuan。这是他探索中国体现情报的起点。由于机器人不再被称为“机器人”，而是被称为“体现智能”，因此该曲目逐渐变得年轻。 Wang Xingxing，Peng Zhihui，Wang He和Yang Fenguyu，中国具有体现的智能圈子是90年代后甚至00年后的主场。看来名字更改后，该人变年了。正如商人所提到的那样，从伯克利返回的卢江也是90年代后的一代。但是区别在于，他的野心不是使用融资，创业或寻找钱。也许由于他的个性，卢在返回中国后仍然跟随吉安兰（Jianlan）以前的科学途径。 2015年是Lu Jianlan的早期起点在机器人领域的研究。在接下来的十年中，他花了8年的时间进行学术研究，并为伯克利的博士学位和博士学位学习。在返回伯克利（Berkeley）学习博士后同伴之前，他在Google上度过了两年，该公司分别担任Google X和Google DeepMind的研究科学家。在这段时间里，他还领导了世界上第一个超人机器人房地机增强学习系统的发展。尽管在体现智力的领域中，差异总是存在于采用IL（模仿学习）路线或RL（增强学习）路线，但Lu Jianlan是稳定的RL倡导者。他的主张是，除非研究模仿的准确性可以达到100％，否则现实世界中存在巨大的不确定性。实际上，几乎不可能达到99.9％的准确率。回到中国，卢江选择了进行科学研究和对该行业的撤离之间的妥协途径。他决定乔在Zhiyuan，作为科学负责人，并领导了“ Zhiyuan体现的研究中心”的建立，并成为了Zhihuijun的同伴。结合卢江的最初意图返回中国，“ Zhiyuan出现的研究中心”并不是传统意义上的研究机构，而是与行业基础研究和实施相关的桥梁。在卢江的嘴中，“论文不存在。这是我在Zhiyuan中不需要做的事情。拥有研究中心的定义是暂停问题来促进科学研究。其方向是解决实际问题。在此研究中心，最重要的是，在此研究中心不存在基础研究和工业实施之间的严格界限。
边界说，罗江是中国和美国在体现情报领域之间的最大区别。同时，它也是体现在朱小胡嘴嘴中的知识存在。
我们并不总是在每个列表和视频的演示中看到体现智能的发展。当将体现的智能应用于特定的行业并转换为实际生产力时，人们会感到自己的发展。在学术界工作了很多年的卢·江兰（Lu Jianlan）并没有拒绝朱小胡胡（Zhu Xiaohu）的概念。在某个方面，朱小胡胡（朱小胡胡）代表真实性，但是这种真实性也涵盖了这样一个事实，即基础研究（例如体现的情报）已经与行业的实施脱节了。
在与Lu Jianlan的对话中，他表达了一种非平常的开放行为。他说：“完全理解，朱小胡作为投资者的地位”，但与此同时，并不意味着应该抛弃基础研究。当前，朱小胡胡的观点存在误解，它将其解释为对体现智能的诽谤。实际上，在相反，他提醒公司，他们真正需要在体现的情报领域解决的问题是基础研究与行业实施之间的差距。
但是，ganithe的差距在美国具有更严重的智能圈子。 “与该国不同，美国环境非常专注于基础研究。也许他们没有写它，”卢·江兰告诉霍克斯。但这也是国内体现智力的美丽。 “中国的许多硬件公司和商业化将更快，这非常有趣 - 填补基础研究和行业实施之间的差距。”罗江告诉豪富。
实际上，中国智能界总是有两种类型的气氛。一个是一所学术学校，召集加州大学伯克利分校和斯坦福大学等人才，另一个是聚集华为和小米等人才的主要学校。但是在罗江，他看到了学术学学院的同样浪漫风格OL和达坎学校的老式。在他回到中国的这个时候，罗·江兰回来了很多问题。
在体现智能领域，目前最大的问题是操纵。用外行的角度来看，这是为了准确处理外部世界缺乏身份和不确定性。这也是生活中所有情况的重点。
在Zhiyuan，Lu Jianlan希望以“驱动的科学研究”的方式继续他的科学工作，这也是他从科学研究返回该行业的开始。
以下是Huxiu和Zhiyuan首席科学家Luo Jianlan之间对话的笔录，并被删除并改变了：
Huxiu：在您在伯克利的时间里，您是否与国内体现的智能公司有关系？您如何看待这些国内公司？
lu jianlan：在2016年和2017年，工业化处于相对较早的阶段，它更多地关注了以硬件或服务为重点的RObots。没有多少人真正关注宝石和一般机器人。当时没有这样的概念，通常被称为机器人。
有几个海外机构，包括Google。当时，人们总是对学习机器人持怀疑态度。当时，中国更传统和较低的人工智能。但是在过去的两年中，至少在势头方面，国内市场比美国大。
Huxiu：是因为商业化吗？
罗江：这个术语可能更关心中国。相反，在中国获得情况和数据更容易，并且使用效率相对较高。但是联合国将继续对技术的长期探索。
Huxiu：回到中国后，他为什么不选择自己创业，而是加入了一家浮雕的智能公司，担任科学负责人？
Lu Jianlan：在该行业进行科学研究需要土地执法系统，WHICH涉及与学科和级别的系统合作。在此阶段，我希望专注于对我有益的事情，而不是阻止团队的建筑物和融资，而无法开始和工程。
Huxiu：您说过跨学科的合作。但是，外国跨学科的方法是否向前发展？
罗江：我认为中国的自然土壤或一代会更好。例如，在美国，首先，它没有硬件，其次，美国AI人才的密度非常高，因此每个人都将拥有更多主要的AI研究基础。但是相比之下，这与中国相反。在中国要求的机器人要求的硬件本体论，算法等更容易。
Huxiu：您对Zhiyuan最吸引了什么？
Lu Jianlan：这是一家全栈公司，这意味着硬件，软件和算法都是闭环。这在我的哲学上非常重要。
Huxiu：您的哲学是什么？
Lu Jianlan：我认为许多机器人的问题是工程学和科学研究没有与硬件，软件和算法一起迭代。您不能将其视为另一个AI方向，也就是说，您有一个基准和数据集，并且可以在这里刷点并找到一个场景。我比你好10％。它不能反映实际的发展和非可使用和公平性。
Huxiu：弓的中心如何在Zhiyuan领导的“ Zhiyuan体现的研究中心”中进行研究？例如，其组织结构和独立性。
罗江：招聘仍在进行中。这是一个将基础研究与现实生活系统联系起来的中央平台。他不仅发表论文，这可能只是目标之一；但更重要的是，它是促进系统能力的演变，并将它们置于现实世界中。这是一项具有相对儿童研究的专门中间平台研究，可以探索科学研究中的新范式。它还保持着强大的重新与我们的产品工程部门的关系，以防止连通性。
Huxiu：那么，这个研究中心是否会有基础研究和实施比例？
Lu Jianlan：这是一个很好的问题。我认为机器人领域存在一个大问题。在其他领域，更重要的是，最新的研究结果几乎可以立即转换为商业用途，您可以看到并处理并使用它。但是，许多机器人研究都被困在纸上。我收到了一个视频，并在线发布了它，说我比其他人好10％。然后，没有后续行动，也没有人负责实施它。
因此，在我们的研究中心，我不会将您提到的问题的比例设置为一个边界，也不会将基础研究与实施分开。我认为，作为一种系统的学科，机器人最终可以将其推入真实的应用程序，而不是呆在演示和纸上，然后没有人关心它们，因此总体情况有点可怕。Huxiu：如果您在国外，基础研究与行业实施之间的界限有多严重？
吕江：我认为，国外机器人领域的尴尬之处在于他们很难找到场景。由于某些客观因素，它们的制造业和服务行业相对较小。并不是说他们不想这样做。另一点是美国环境将更加宽容，整个机制将鼓励每个人在更长的时间内做到这一点。他们的资本太多了，他们对失败的容忍度相对较高，这也导致了体现智力领域的许多问题。
Huxiu：那么，“使用问题来推动科学研究”是您回到中国时需要做的主要事情吗？
Lu Jianlan：是的，我认为这是Alrighta -Dris，将优秀的技术研究转换为生产力。
Huxiu：在DeepSeek Boom之后，RL是否获得了更高的家园和国外？
Lu Jianlan：YES，DeepSeek或GPT-O1将使每个人都看到RL的潜力。以前，RL在2016年变得很流行，但是由于未发现该应用程序，因此一段时间很安静。然后，在2023年，当每个人都看到大语言模型时，它得到了治愈，现在似乎都看到了RL潜力。今年的图灵奖也授予了RL Field的两个硕士。
这是我对RL的看法，这是归纳和演绎之间的区别。归纳是您今天看到的现象，今天是什么以及将来是什么。但是减少是您基于其基本逻辑的原因。因为如果仅监督研究，就没有Paraan可以优化或多步推理。但是，从原则上讲，RL比研究更合理。如果有问题，它本身可能不是问题。即使这样，我们也应该做得更好，而不是认为当我们看到问题时不可能。
Huxiu：现在在体现的情报领域，会有很多人可以RCE RL？
Lu Jianlan：我认为现在在进行机车时，也就是说，对于手机，它肯定会被更多地使用。但是，如果涉及操纵，它涉及现实世界，每个人仍处于探索阶段。
Huxiu：你为什么这么说？这种运动和操纵在哪里反映？
Lu Jianlan：因为机动更多地关注您自己的行为。例如，如果狗向前移动并且机器人向前移动，则只需要控制模型的准确性即可。但是，除非您的模拟器可以模仿整个世界，否则操纵更多是关于外界的，但这是一件困难的事情。
在过去的二十或三十年的机器学习经验和课程中，我们被告知，在AI系统中，如果没有通过增加数据然后尺度来衡量的部分，那么该部分最终将成为系统中的瓶颈。模拟器是通过手动设计的，不会随着整个系统的增强而改善。最终，我们学到的技术不会超过模拟器本身。
Huxiu：那么，当操纵仍然存在主要问题时，您是否认为要发展出体现智力的下一个指导应该是？
罗江：我认为在未来几年中，我们不会成为全方位的机器人，而是一个有用的机器人。解决方案的解决方案可能是非常专家（专家），但可以解决至少4或5个情况。我不在乎他是否是人类的人物。回到Sohu看看更多