Nature Machine Intelligence最新研究工作，结合大型语言模型（LLM）ChatGPT在概念和技术层面上指导机器人设计过程，提出了新的人类 - 人工智能协同设计策略。

图3 左边是设计过程的两个阶段：首先是人类和LLM讨论具体的应用和设计，然后是人类实现它们。右图，是高层讨论期间知识的图解。借助LLM，人类设计师可以有效地访问其个人专业知识之外的知识领域，并通过问题链接这些领域的不同领域。然而，这是以接受错误输入的风险为代价的，这些输入与设计师的知识相去甚远。而在传统的学习过程中，设计师径向扩展他们的个人经验，而通过基于LLM的探索，设计师只能访问有限的知识领域，从而冒着误解的风险。

最后，我们可以考虑第三种方法，其中LLM帮助完善设计过程并提供技术输入，而人类仍然是参与该过程的发明者或科学家。人工智能可以帮助调试、故障排除和方法选择，加速繁琐和耗时的过程。在这种人工智能与人类的关系中，人类的知识和直觉调节了讨论，人类在他们的专业范围内工作，以便对答案和建议持批评态度。

机器人设计是一个创造性、跨学科和知识产权（IP）创造的过程，目前依赖于高技能的专业人员。我们认为，仔细结合这些方法可以彻底改变这一进程。然而，将LLM引入机器人设计引入了有关潜在负面影响的问题。LLM必须被视为搜索引擎的演变，为给定的提示生成“最可能”的答案。这些答案可能是不正确的，如果没有经过适当的事实检查或验证，LLM输出可能会产生误导，或者在最坏的情况下，可能是危险的。然而，与搜索引擎不同，LLM可以提出整合“知识”并将其应用于看不见的问题的方法，从而可能给人一种错误印象，即正在产生新知识。这可能会阻止人类对开发的解决方案负责。这可能会禁止和停滞新机器人技术和设计的进步。在机器人设计中广泛使用LLM的另一个问题是模型在统计上偏爱的解决方案，这可能会阻碍对新技术解决方案的探索。

最后，还有与抄袭、可追溯性和知识产权有关的关键问题。通过LLM创建的设计是否可以被认为是新颖的，因为它仅基于先验知识，以及如何参考这些先前的知识？随着这项技术的成熟，还有更长期的考虑因素，包括数据隐私、再培训的频率以及如何整合新知识以保持该工具的可用性和相关性。机器人设计中的人与人工智能交互也会产生重大的社会和伦理影响。如果LLM用于自动化高级认知设计任务，那么人类可能会承担更多的技术工作。这可以重新定义工程师所需的技能及其在经济和社会中的作用。

总而言之，机器人社区必须确定如何利用这些强大的工具，以合乎道德、可持续和社会赋权的方式加速机器人的发展。我们必须开发承认使用LLM的方法以及能够追溯LLM辅助设计的谱系。

展望未来，我们坚信LLM将开辟许多令人兴奋的可能性，如果管理得当，它们将成为一股向善的力量。通过结合协作LLM来提出和回答问题，设计过程可以完全自动化，其中一个有助于完善另一个。这种方法还可以通过自动化制造来增强，以允许完全自主的管道来创建定制和优化的机器人系统。最终，该领域的未来存在一个悬而未决的问题，即如何利用这些工具来帮助机器人开发人员，同时又不限制机器人应对二十一世纪挑战所需的创造力、创新和科学努力。

本文由CAAI认知系统与信息处理专委会供稿