為何說普羅米修斯計畫的AI是從「物理世界」學習？

普羅米修斯計畫：從物理世界學習的 AI 系統

普羅米修斯計畫與現有大型語言模型 (LLM) 的主要區別在於其學習方法。LLM 主要透過分析海量文本資料學習語言和知識，而普羅米修斯計畫則側重於從「物理世界」中學習。這代表普羅米修斯計畫旨在開發能夠理解並應用於現實世界複雜問題的 AI 系統，而不僅僅是處理文本資訊。這種以物理世界為基礎的學習方式，有助於 AI 系統更深入地理解和模擬現實世界的現象和過程。

技術突破點：物理世界學習策略

普羅米修斯計畫的獨特之處在於其物理世界學習策略。相較於傳統 AI 新創專注於軟體服務，普羅米修斯計畫的目標是加速工程和製造流程，特別是在電腦、汽車和航太領域。這種學習方式使 AI 系統能夠直接從實體世界的互動和實驗中獲取知識，從而更有效地解決現實世界的工程和製造挑戰。貝佐斯認為這項技術對於實現其太空夢至關重要，尤其是在月球或其他星球表面執行任務時，派遣機器人將比派遣人類更具成本效益。

從實體世界獲取知識

普羅米修斯計畫透過從實體世界的互動和實驗中獲取知識，使其 AI 系統能夠更有效地解決現實世界的工程和製造挑戰。這種方法有別於傳統 AI 依賴大量文本資料的學習模式，使普羅米修斯計畫在特定領域，如太空探索和實體工程，具有更強的應用潛力。