如果机器人有人工智能嗅觉？

机器人通过感知目标实现行动与语言，以及基于行动与语言实现感知目标。我们承诺在 2030 年之前，盲人拥有机器导盲犬，城市拥有机器犬去缉毒与反恐，你拥有的保姆机器人能感知食物变质，以及向你报告，孩子们是否在家里饮酒或抽烟。

为什么现在是人工智能嗅觉？

如今的机器人正接入 VLA 模型理解物体与空间关系，这让我们回顾 SLAM 时，意识到摆脱了迷人的错误。尽管 SLAM 有着货币化的成功案例——扫地机器人，但那无法扩展智能，只能做一件事的机器人显然不像未来。生物智能更是启示，没有几何地图也能迁徙上千公里和把食物藏着再找回。总之，摆脱定位与地图，迎来多模态模型，把计算能耗从终端转移到预训练仍是飞跃。
机器人尚未达到货币化的临界点。对于重复型工作，机器得比生物运行的更快与更久。对于工程型工作，机器得与生物的智能持平。换言之，机器必须超越生物，这同样是智能涌现的临界点。
智能涌现会如何发生？许多声称掌握自动驾驶的电车企业正参与人形机器人，他们的观点是“汽车是四个轮的机器人”。于是同样的事不可避免——故障发生，盖上黑布。缺少地图和视觉失灵时如何自主移动的问题，没有现成答案。使用 RGB 图片与视频的海量数据来理解物理世界的物体与空间，这一范式已经在自动驾驶时付出惨痛的教训。RGB 是为人类视觉而设计，并非为机器人理解物理世界。尽管汽车与机器人的场景非常不同，但汽车在搭载算力与训练数据规模远远多于机器人的条件下，智能没有涌现。如果新观点是“做家务比开车要简单 100 倍”，这反而印证了该范式是迷人的错误——它只在特定场景有效，智能仍无法扩展。

智能涌现需要机械降神，人工智能嗅觉为机器人带来机械降神。正如 Richard Sutton 所说：General methods that leverage computation are ultimately the most effective。我们进一步延伸：基于物理本体的感知最终最为通用。
为此，我们提出 GuGu 猜想：机器增加感知维度时，完成目标的所需能耗减少，智能涌现。
以及，智能涌现比例律：

I ∝ S / E

I：智能 S：感知维度 E：完成目标的所需能耗

这提供了直观且可操作的机器设计原则：增加感知维度，减少能源消耗，智能就会涌现。生物智能如此，机器智能也会如此。人工智能嗅觉正是我们用来验证的途径，我们期待更多的研究员与工程师验证猜想。

我们如何做到的？

GuGuSniff-EMO 是语言-嗅觉-动作（L-O-A）的本体模型，直接从物理世界学习。
嗅觉即物理 —— 物理世界的分子通过传感器转化为电信号，无需算法补偿，感知来自本体。
嗅觉即语言 —— 电信号通过事件驱动、稀疏编码、语义向量映射与上下文学习，感知生成标签。
嗅觉即动作 —— 基于本体浓度梯度的上升或下降，实现自主的追踪与规避，自适应的开始与终止，感知实现目标。

我们之后做什么？

物理世界存在许多常量，如果智能没有类似引力或光速的常量，生物与机器的智能就没有上限。智能是宇宙对抗熵的西西弗斯式努力，我们扩展智能的自由意志，正是宇宙意志。
关于如何扩展智能，我们期待任何合作。比如同样基于物理本体构建通用感知硬件的组织，以及强化学习的研究者。

同时，人工智能与机器人引发了社会担忧：机器人会造成多数人失业吗？进而勒紧裤腰带吗？
担忧并非源自“少数人影响多数人”的失衡感，事实上，这种失衡在技术不发达与市场不自由之前就已存在。担忧源自“未来的多数人”成为“过去的少数人”的迷失感——我们之后做什么?
制度的乌托邦全都失败了，以至于技术与市场的乌托邦到来时，我们反而不知所措，就像见证机械降神却忘记戏剧必须结尾。