科技日报北京6月23日电（记者张梦然）据美国麻省理工学院官网近日报导，该机构研究职员为了练习更进步前辈的多用途呆板人，开发出一种技能：使用一种称为散布模子的天生式人工智能（AI），可将差别范畴、差别情势的多个数据源整合起来，用在多种使命。

假定你想练���习一个呆板人，让它相识怎样使用东西，然后倏地学会用锤子、扳手以及螺丝刀来维修你的屋子。为此，你需要年夜量数据来演示东西的使用。

现有的呆板人数据集于情势上差异很年夜。例如，有些包孕彩色图象，而另外一些则由触觉印记构成。数据也可于差别的范畴网络，如模仿某人工演示。每一个数据集均可能包罗一个怪异的使命以及情况。

于一个呆板进修模子中，很难有用地将浩繁来历的数据整合于一路，是以很多模子仅使用一品种型的数据来练习呆板人。可是，以这类体式格局练习的呆板人，于某些特定使命方面的数据相对于较少，凡是没法于不认识的情况中履行新使命。

研究职员这次转变计谋，练习了一个零丁的散布模子，让它进修使用一个特定命据集来完成一项使命。然后，他们将散布模子的进修计谋组合成一个通用计谋，使呆板人能于各类设置中履行多项使命。

于模仿以及真实世界的试验中，这类练习要领使呆板人能使用多种东西，并顺应练习时期没有学过的新使命。与基线技能比拟，这类计谋组合将使命机能提高了20%。

研究职员暗示，解决呆板人数据集中的异质性就像一个先有鸡照旧先有蛋的问题。假如想使用年夜量数据来练习通用呆板人，起首需要可部署的呆板人来获取所有这些数据。哄骗所有可用的异质数据，近似在研究职员对于ChatGPT所做的事情，是呆板人范畴成长的主要一环。