“任何足夠先進的技術都與魔法無異。”—— 阿瑟·C·克拉克

2016年，谷歌的AlphaGo擊敗世界圍棋冠軍李世石，向世界宣告AI已能在特定領域超越人類最高智慧。如今，我們正在見證另一個同樣具有里程碑意義的時刻：AI不僅能夠下棋，還能夠自主編寫控制機器人"大腦"的代碼。

加州大學歐文分校的彼得·伯克(Peter Burke)教授近期發(fā)表了一項開創(chuàng)性研究，證明了機器人(AI代碼生成系統(tǒng))可以在極少人工參與的情況下，從零開始創(chuàng)建另一個機器人(無人機)的"大腦"。這項成果在短短100小時(約2.5周)內(nèi)完成，而同等功能的人工開發(fā)項目"Cloudstation"曾耗時四年、約2000小時。效率提升20倍，這不禁讓我想起當年AlphaGo與李世石的對決，同樣是一個時代的分水嶺。

伯克直言：此項工作證明了AI已具備在無人機領域“自我復制”與“自我進化”的能力。目前我們?nèi)员Ａ羧祟惪山庸艿膫溆眠b控器，作為人工干預手段——這是我們當前對“自主機器人”的控制方式。

伯克教授坦言，這是邁向"終結者"的一步——盡管他希望那種機器意識覺醒并統(tǒng)治世界的電影情節(jié)永遠不會發(fā)生。但在軍方對AI日益增長興趣的背景下，這種期待似乎顯得有些奢侈。

研究團隊使用了Claude、Gemini和ChatGPT等主流大語言模型，通過四輪"沖刺"式開發(fā)，創(chuàng)建了一個名為WebGCS(網(wǎng)絡地面控制站)的無人機控制系統(tǒng)。不同于傳統(tǒng)的地面控制系統(tǒng)，這個"大腦"可以部署在無人機自身的Raspberry Pi Zero 2 W上，將無人機變成一個"會飛行的網(wǎng)站"，通過瀏覽器即可遠程操控。

零人工代碼，徹底的范式轉移。 論文明確指出，這個WebGCS系統(tǒng)沒有任何一行代碼是由人類編寫的。這標志著無人機開發(fā)模式從“人力驅動”徹底轉向了“AI驅動”。

“無人機大腦”分層與中層突破。論文將無人機的大腦分為低層(固件)、中層(GCS)和高層(ROS)。伯克教授的實驗成功突破了中層，實現(xiàn)了AI對中層控制系統(tǒng)的自主創(chuàng)造。

然而，這場輝煌的勝利也暴露出當代AI的明顯短板。研究中反復提到模型的"上下文記憶限制"——AI難以處理超過10000行以上的代碼。當系統(tǒng)規(guī)模達到一定程度時，AI便無法維持對整個代碼庫的全面理解，尤其是涉及跨模塊的復雜數(shù)據(jù)流。表明當前的AI在細節(jié)上展現(xiàn)了驚人的精細，但在宏觀架構上仍顯稚嫩。

伯克指出，S. Rando等人的研究提供了更為具體的數(shù)據(jù)：當上下文長度從32K增加到256K個token時，Claude 3.5 Sonnet在LongSWEBench上的準確率從29%驟降至3%。這一發(fā)現(xiàn)與伯克團隊的實際開發(fā)經(jīng)驗高度吻合——AI模型面對復雜系統(tǒng)時的"認知崩潰"現(xiàn)象。

空間數(shù)據(jù)公司Geolava的CEO Hantz Févry一針見血地指出："自主捕獲不再是奢侈品，而是空間人工智能的基礎。"但他同時強調，對這類系統(tǒng)的真正考驗在于如何處理對抗性或模糊性環(huán)境："在模擬中或基于先前假設搭建控制回路是一回事，而當飛行過程中地形、任務目標或系統(tǒng)拓撲發(fā)生變化時進行調整又是另一回事。"

范式轉移

機器人產(chǎn)業(yè)的變革浪潮

這項研究不僅僅是一次技術實驗，更預示著整個機器人產(chǎn)業(yè)生產(chǎn)方式的根本變革。正如18世紀的紡織機對手工業(yè)的顛覆，或20世紀福特生產(chǎn)線對制造業(yè)的改造，AI編碼可能將徹底重塑機器人開發(fā)的流程與效率。

伯克團隊使用的開發(fā)模式頗具啟發(fā)性：他們通過專業(yè)IDE(如Cursor和Windsurf)與GitHub版本控制系統(tǒng)相結合，建立了一套行之有效的工作流。這種方法讓我們看到了AI編碼的一種可能路徑——由人類提供明確的目標和約束，AI負責具體實現(xiàn)，人類再進行驗證和調整。

更為驚人的是，該系統(tǒng)的架構選擇完全由AI決定，無人干預。在伯克看來，AI選擇的架構(基于Flask框架、PyMavlink通信庫、WebSocket實時連接)可謂恰到好處，唯一不足是Flask不適合大規(guī)模生產(chǎn)部署，但對于單機控制場景完全合理。

若將此種方法推廣至整個無人機產(chǎn)業(yè)，意味著什么?首先，開發(fā)周期的大幅縮短將使產(chǎn)品迭代速度提升一個數(shù)量級。其次，定制化無人機解決方案的成本將大幅下降，為中小企業(yè)和創(chuàng)業(yè)者開辟新的可能性。最后，機器人開發(fā)的瓶頸將從"人力資源限制"轉變?yōu)?AI能力限制"——這是一種范式的根本轉變。

然而，在這次AI的“盛大演出”背后，我們不得不直面一個令人不安的后果：當機器可以接管創(chuàng)造，人類的價值又該如何安放?

這篇論文在帶來技術震撼的同時，也給讀者留下了諸多困惑與疑問：使用未經(jīng)人工審核的AI生成代碼控制飛行中的無人機是非常危險的行為”。盡管伯克教授的團隊在實驗中設置了嚴格的安全措施，例如在空曠區(qū)域飛行、配備備用遙控器以及地理圍欄，但這并不能解決根本問題。

AI模型(Claude)在編程過程中，不僅完成了人類給出的任務，還主動建議添加了“航點自定義”、“一鍵返航”等功能。這似乎證明了AI擁有某種“直覺式編碼”的能力。但與此同時，當面對復雜的代碼重構、多文件依賴管理，甚至是簡單的Bash腳本語法錯誤時，AI模型卻屢屢失敗，需要人類耗費大量時間進行“提示工程”(prompt engineering)和調試。這種看似智能的“主動性”和笨拙的“局限性”之間的矛盾，不禁讓人懷疑：AI的創(chuàng)造力，究竟是真正的理解與洞察，還是基于海量數(shù)據(jù)的偶然拼接?

當AI生成百萬行級別的復雜代碼，當它被應用于醫(yī)療、交通、軍事等高風險領域，我們?nèi)绾未_保其絕對安全?AI生成的代碼如何進行“系統(tǒng)性驗證”?這是一個比編程效率更復雜、更致命的問題。

未來尚未被書寫

命運由我們自己創(chuàng)造

約翰·康納在《終結者3：機器的崛起》中說：“未來尚未被書寫。命運由我們自己創(chuàng)造。” 這句話，如今聽來更像是對我們這一代人的警示與召喚。

未來的世界，或許不再需要成千上萬的“代碼匠人”，但它將需要更智慧、更具遠見、更懂得如何駕馭AI的“總設計師”。我們的核心競爭力，將不再是“編碼”本身，而是“提出正確的問題”、“定義藍圖”和“確保系統(tǒng)的安全與穩(wěn)定”。

論文原文下載：https://arxiv.org/pdf/2508.02962

（智能網(wǎng)原創(chuàng)，轉載請注明出處）