瓦力的学习曲线：从拾荒机器人到AGI通用人工智能笔记

皮克斯有一部几乎没有台词的动画片。主角是一台被遗忘在地球上的垃圾清理机器人，日复一日做着同一件事。没有人在意他，直到有一天，他学会了自己做选择。

这部电影叫 《WALL·E》（机器人总动员），2008 年上映，豆瓣评分 9.3，至今仍是无数人心中的最佳动画之一。

一、电影里的那台机器人

公元 2805 年，人类因垃圾泛滥被迫逃离地球，留下成千上万台垃圾清理机器人。七百年过去，其他机器人都坏了，只剩一台还在运转。

这台编号 WALL·E（瓦力）的小机器人，白天压实垃圾方块，晚上躲进铁皮屋，反复播放一盘捡来的《你好，多莉》录像带。他唯一的伙伴是一只蟑螂。

就这样过了七百年。

但如果你仔细看，会发现他并不只是在"重复"。他会从垃圾堆里挑出还能用的东西：魔方、打火机、泡泡纸，然后分门别类，摆进自己的收藏架。他会盯着录像带里牵手的那一幕，看完一遍，再看一遍，然后自己尝试做那个动作。

这不是简单的循环。这是分类、收藏、模仿、好奇：学习的四个前兆。

直到有一天，一艘飞船降下一台名叫伊娃（EVE）的探测机器人。WALL·E 在她面前笨拙地展示自己的收藏，小心翼翼伸出那只锈迹斑斑的手。

这一刻，一台被编程来压缩垃圾的机器，第一次做了程序之外的选择。

从重复到情感的六步进化。前半段（灰色）是"做同样的事"，后半段（橙红色）才开始"做不一样的事"。自主和情感，才是最难的跨越。

二、从固定程序到自主

传统工业机器人遇到异常只会停在原地，等待人类来处理。

WALL·E 不一样。没有人类教他，他却能分辨哪些是垃圾、哪些是有意思的东西。他会规划路线、自动充电、修理自己。看到 EVE 之后，他更是展示了一套极其复杂的社交行为：接近、示好、保护，甚至在太空里学会跳舞。

这恰好对应了 AI 发展的主线：

• 固定规则
• 自主决策
• 学习能力
• 模仿行为
• 涌现

2008 年，这个设定更多是科幻想象。放在今天回看，前几步已经在实验室里实现了，但离 WALL·E 那种被扔进陌生环境、自己学会一切的程度，还有很长的路要走。

三、现实中的 AI 走到哪了

我们有能写诗的大模型，有能在城市里穿行的自动驾驶，有能看病历的视觉识别系统。

但我们还没有一个系统能做到 WALL·E 做的事：被扔进一个完全陌生的环境，没有预训练数据，没有人类标注，自己找到目标、规划路径、修复故障，甚至产生情感连接。

WALL·E 其实是一个很朴素的 AGI（Artificial General Intelligence，通用人工智能）愿景。他的智能不是算力堆砌出来的，而是在与真实世界的交互中，一点一点学会的。

我们今天离这个愿景还有距离，但方向是一致的。

从专家系统到 AGI（通用人工智能）的时间线。橙色标记"我们在这里"，红色箭头指向 WALL·E 代表的通用人工智能方向。

四、为什么叫「WALL·E 的 AI 笔记」

取这个名字，不是因为做出了 WALL·E。

而是因为这个号在做的事，和 WALL·E 很像：从零开始，一天一天地积累。

从线性回归到 Transformer，经典算法用 NumPy 实现，深度学习用 PyTorch 搭建。

从 RAG 到 LangGraph Agent，每一个项目都是自己搭起来的。从河流底泥镉污染到室内甲醛模型，每一个环境模型都是用物理方程一步步算出来的。

这些碎片，就像 WALL·E 收藏的那些好东西：单个看都不起眼，但拼在一起，就是一个理解 AI 世界的认知结构。

这个号记录的就是这个过程。在云栈社区上，同样有许多人在做着相似的事：把零散的知识一块块拼起来，构建属于自己的认知框架。