Anthropic 發布了「Project Fetch」第二階段的實驗報告，這又是一個往前推進的指標。當大家還在討論 AI 如何寫電子郵件或生成圖片時，頂尖的 AI 團隊已經開始讓 AI 嘗試接觸並操作物理世界了。
新聞重點：從輔助到自主的跨越
這項實驗的核心是測試 Claude 模型在「不具備機器人專業知識」的情況下，操作市售四足機器人（機器狗）的能力。根據 Anthropic 公布的數據，這次實驗有幾個進展：
1. 速度的量級提升：最新的 Claude Opus 4.7 模型在無人協助的情況下，完成任務的速度比一年前最快的人類團隊快了約 20 倍。如果對比完全沒有 AI 輔助的人類團隊，速度差距甚至達到 37.7 倍。
2. 極簡的程式碼：Opus 4.7 僅用了 1,045 行程式碼就完成了任務，而人類輔助團隊則需要 10,309 行。這顯示模型在處理物理任務的邏輯上，可能比人類想像的更直接且高效。
3. 實驗流程：研究人員的角色被極度簡化，僅負責輸入初始提示、核准指令。AI 則自主完成了連接影像與光達感測器、編寫控制程式、監控路徑等複雜工作。
然而，實驗也揭露了目前的局限。雖然 AI 在邏輯與編程上很強，但在需要即時物理反饋的「閉環控制」任務（例如精確地推動一顆海灘球）中，Claude 仍然面臨挑戰，無法像人類那樣靈活地調整力道與角度。
我的觀察：AI 好像正在像新生兒一樣感知世界
我認為這項實驗最有趣的地方，在於它展示了 AI 從「數位助理」轉向「物理代理（Physical Agent）」的過程。
在第一階段時，AI 還只是個「軍師」，必須靠人類操作才能讓機器狗動起來；但到了第二階段，它已經展現出自主執行任務的潛力。目前大多數 AI 都是透過人類產生的文字、圖片或影片來理解世界，這本質上是「二手的認知」。
但當 AI 開始主動操作硬體，它接觸到的資訊將不再只是像素，而是壓力、溫度、速度與阻力。這對 AI 來說是一個極為龐大的新世界。如果這些來自物理世界的即時感知數據，成為未來模型訓練的新來源，那麼 AI 的進化速度可能會再次超出我們的預期。
現在的 AI，就像是一個剛開始透過感官接受環境資訊的新生兒。雖然它現在連推球都推不好，但它學習的速度是人類的幾十倍。
這件事值得繼續觀察什麼
1. 物理感知的數據化：當 AI 能夠處理更多維度的感測資料（如觸覺、重力），是否會產生更強的「常識」推理能力？
2. 安全防護的設計：隨著 AI 自主性提高，如何防止物理世界的意外（如實驗中提到的機器狗失控風險）。
3. 通用AI能力的遷移：這次AI能力的評估並非針對機器人做特化訓練的模型，而是來自通用模型。這意味著 AI 軟體的進步，能力已開始擴增到硬體控制領域。
原文連結：https://www.anthropic.com/news/project-fetch-phase-two
