据马斯克创办的非盈利性人工智能组织Open AI展示的研究成果：让机器手像人手一样精准地操纵物体。
这套AI系统名叫Dactyl，它不仅能像人类一样持握和操纵物体，而且还能根据人工智能技能自行开拓不同的动作和行为。比如，就像上图的正方体，它可以在没有人指挥手指用力方向的情形下，把正方体转到指定的方向，它收到的指令也仅仅是木块的朝向 (I在前，E在左，N在上) 而已。
只不过，它的动作并不像人类盘核桃那样一气呵成，可以明显看出每个动作之间都略有迟缓。那么，这支机器手是如何学习的呢？首先，研发者们会教导机器手按照指令，将六面立方体中的精确颜色翻转出来；
然后开始改变周围环境的灯光，以及立方体的颜色、重量和纹理等；
乃至还会改变演习过程中的重力环境成分。
这种虚拟环境的演习模式不会耗费现实天下的韶光。目前Dactyl已积累了大约100年的演习履历，但这个过程只相称于现实天下中的50小时。
也便是说，一个人须要花100年积累的履历，机器手两天韶光就能全部学习完成。经由神经网络演习的过程机器手，也自学了许多不同的分解动作。比如下图，用两个手指轻轻夹住方块，再用其他手指拨一拨，方块就转起来了。
再比如，推着方块在掌心滑动 (Sliding) 。还有，底面用不离开手心，但方块依然水平迁徙改变 (Finger Gaiting) ，堪称盘核桃的核心技巧。
这些技能，Dactyl都是在仿照器里学会的。更厉害我的是，它能顺利地把技能迁到现实天下，纵然是除了方块以外的其他物体，也能对其作出改变。
不过，研发这种AI的技能本钱可是非常高的。按照Open AI给出的数据，Dactyl 的演习设备动用了约 6144 颗 CPU，以及 8 颗来自 Nvidia 的 V100 GPU，而这种规模的根本硬件只有很少数的研究机构才能够利用。
五指机器手的前身：二指夹具就像智好手机一样，任何科技产品都有更新迭代的过程。Dactyl也不例外，别看它现在有五根手指，但在最初，它只有2根手指。
不止Open AI，很多组织在最初研制机器手时，都会先把二指夹具作为自己的初始目标，由于它掌握相对大略，成本相对低廉，对付那些靠捉住、放开就能办理的问题来说，二指机器臂的确是个好选择。
比如Google，曾经出动了大量的二指夹具来学习抓取。
在斯坦福某试验室中，这个能抓锤子的二指机器臂也是如此。
不过Dactyl目前仍有软肋，那便是它还没有接管操控多个物体的演习，并且抓取球形物体很费劲。研发职员也会在后期的研制和演习中对它进行改进。如果成功的话，这在未来用机器手代替人工从事繁芜的安装等事情时会派上大用场。