1701071730
1701071731
当然，为了让机器充分理解人类的目标和人类想要的东西，我们首先需要解决自然语言处理的问题。从技术层面上来说，制造超智能晶体管应该不是什么难事，比起以前来说要容易得多。这是值得投资的领域，也是我现在正在做的事。
1701071732
1701071733
我的团队正在研发能让机器学会人类基本价值体系的方法。问题是，很多常识类的东西人类是不会说出来的，比如，没有人会每天走来走去告诉别人我很喜欢自己的左腿，不想失去它。但对机器人来说，这不是什么显而易见的事。我们需要把这些人类不会说出来的事情明白无误地告诉机器人。再比如，现在大家都对能做家务的服务型机器人青睐有加，但是，真正要保障安全性的话，这个机器人就需要具备很多常识，比如，它要知道主人的猫是不能用来做晚饭的。确实，猫肉营养丰富，蛋白质含量很高，价格也不贵，但是相比其营养价值，宠物猫的情感价值更重要。如果机器人不明白这一点，就会煮了宠物猫，而这样的事情只要发生一桩，就会带来整个产业的末日。
1701071734
1701071735
如果机器提前学习过类似的案例，知道人类通常是如何选择的，就可以根据人类的行为进行价值评估，这也是我们在做的研究。我们最终会研究人类的一切行为。世界上大多数书都会讲到人类做了什么，什么让他们开心，什么让他们不开心。大量的电视节目也都是关于人类行为的内容，这些学习资料触手可得，通过观察他人行为和解释发生的现象来学习和内化新的知识，这也是人类学习的方式。不过，机器学习最经典的方法是给它们展示各种行为，然后再让它模仿。
1701071736
1701071737
20年，如何让你的机器人懂你
1701071738
1701071739
如果说10年时间才能解决机器人理解人类语言的问题，也就是自然语言处理问题，我觉得20年才可以解决价值体系这个问题。如果我有一家机器人公司，未来想研发出能一起出去玩、一起逛街的机器人，我唯一需要的就是赋予它一个价值体系，未来也肯定会有专门销售价值体系的公司。最现实的案例是，无人驾驶汽车就需要一个“价值观”。因为无人驾驶汽车需要在安全和速度之间权衡，需要在撞伤乘客、撞伤行人、撞坏车之间权衡，而权衡这一切就需要有个价值判断准则。因为无人驾驶汽车是在真实世界运行的，不像工厂里的机器人，是关起来、受控制的。
1701071740
1701071741
家用机器人也可能会出现类似的情况，随着我们在虚拟语言助理方面的进步，我觉得这方面的市场潜力会很大。家用机器人未来可以非常有用，可以帮助你处理各种事情，但要真正信任它的服务，它必须要“懂”你，它需要知道你有男朋友、有父母、是一名员工等所有重要的人际关系，需要知道有很多东西你会和男朋友分享，但不会和你的同事分享等，若想做出正确的选择，这个机器人必须懂你，必须理解它的所作所为到底能不能让你开心。
1701071742
1701071743
在机器人学会人类的价值体系之前，人类的很多工作还是不会被机器人取代的。当然，很多现在“把人当机器用”的工作，以后可能就会彻底消失。而需要很多直接沟通和交流的工作反而不会被机器人取代，比如教师、护士等。至少，我不想让自己的孩子由一个机器人教导，也不希望自己生病的时候身边没有一个人类护士来陪伴照料。
1701071744
1701071745
长期来看，对食物、汽车等这种物质上的需要，都可以通过机器生产来满足，而人类将更多从事通过沟通满足他人精神需要的工作，也就是说，未来会有很多新工作涉及人际互动。比如，未来可能会有专门上门陪你吃午餐的人，背后的逻辑是：虽然我只是和你一起吃个午饭，但我既聪明有趣又富有同理心，而且我付出了时间，所以你会心甘情愿付钱给我。
1701071746
1701071747
皮特·阿布比尔：机器人现在到底有多智能
1701071748
1701071749
一个机器人折叠毛巾的短视频在网上红极一时，这名机器人名为“BRETT”（用于解决繁杂任务的伯克利机器人），曾是著名的硅谷机器人制造商Willow Garage生产的PR2机器人。教给它如何叠毛巾的是加州大学伯克利分校计算机科学家皮特·阿布比尔（Pieter Abbeel），他也是如今机器学习领域的领袖专家之一，他用深度强化学习（deep reinforcement learning）的方式教会了机器人用手完成难度很高的新技能，除了叠毛巾，还包括从冰箱里顺利接过不同的物体等。2016年4月，皮特加入了由埃隆·马斯克等诸多硅谷知名企业家创建的人工智能非营利机构OpenAI。
1701071750
1701071751
38岁的皮特看起来很年轻，穿着简单的T恤和牛仔裤，在办公室匆忙吃了份盒饭午餐后，他先带我们参观了机器人学习实验室（Robot Learning Lab），BRETT人形机器人以及其他工业机器人等都是从这里培育出来的。整个实验室安静又杂乱，研究人员的办公位置散落在几台机器人附近，白板上画着各种复杂的符号和公式。
1701071752
1701071753
谈起当下机器人的发展现状，皮特印象最深刻的进步是“监督式深度学习”（supervised deep learning），他认为这让机器人的图像和声音识别能力在过去五年里有了很大的突破，一些训练过的机器人系统可以“看图讲故事”了，比如你问它“这只猫在干吗”？它可能回答“猫在追一只球”，虽然回答还做不到准确和完善，但已经接近“配置常识”，这已是振奋人心的进步了！这种进步的背后，主要是关于如何使用足够多的大数据和强大的计算能力研发出人工神经网络算法，皮特对此格外兴奋，因为很长一段时间以来，机器人对图像的理解都只局限于识别图像标签的阶段，它可以识别出狗或猫，但并不理解图像本身，也无法解释到底发生了什么。
1701071754
1701071755
皮特表示，监督式深度学习只是众多机器学习方式中的一种而已，它完全是关于模仿的，你只要给机器一个例子，一些相对应的标签和动作即可。他真正感兴趣的则是深度强化学习，即让机器人通过不断试错的方式进行自我学习。“我的关注点是如何让机器人学会‘自学’，这种学习能力可以是通过观察模仿人类得来的，也可以是通过机器人自己不停试错得来的，这是我和团队成员目前花时间最多的事情。”
1701071756
1701071757
除了叠毛巾，皮特的团队已经尝试让机器人通过不断试错的方式学会了拧瓶盖等技能，虽然速度还很慢，学拧瓶盖就得花一个小时。但“这也不算太糟，婴儿学拧瓶盖得3年”。也就是说，机器学习里非常重要的一个挑战是技能的转移。“目前的深度强化学习方法很擅长学习一些特定的技能，但是这些技能并不能转化为你想让机器学的另一项新技能，这却是让机器人进入真实世界的关键所在，毕竟，机器人每次学的东西总会有些不同，你又不想每次都从零开始。”
1701071758
1701071759
皮特认为，虽然现在机器人产业一片火热，能做外科手术的达芬奇手术机器人（Leonardo’s robot）以及不少制造业使用的越来越精巧的工业机器人等让人赞叹，但目前机器人的一大问题是它们还无法处理不确定因素。“只要机器人处于一个它之前从未经历的新情况中，要它自己做决定几乎是不可能的”，不过，皮特觉得这正是如今人工智能开始进军的领域，他很期待看到接下来机器人会如何处理真实世界之中的各种变数。
1701071760
1701071761
虽然现在机器人热度居高不下，但环顾四周，街上汽车到处都是，却很少见到活动的机器人。大部分人还不愿意像买一辆车一样买一个智能机器人，究其根本，不是因为费用的问题，更多的是机器人能力的问题。虽然目前新推出的机器人五花八门，但它们的能力仍然非常有限，能做的事情就那么一件或几件，人们当然不愿意花几百美元买一个只会把脏衣服从地上捡起来放进洗衣篮的机器人，况且，机器人在实际操作中还有可能犯错。
1701071762
1701071763
“确实，现在的机器人就处于这样一个尴尬的位置，虽然我们在实验室里已经证明机器人可以做很多基本事情，但实验室跟家庭里能广泛应用的机器人又是两码事，我很希望未来10年里，人们家里能有自己动手干活的机器人，即便这样我都不知道是否能够实现”，皮特并不特别乐观。
1701071764
1701071765
对于人工智能的未来，皮特表示，如果将来人们真的能制造出一个具有人类智力水平的人工智能系统，那么很有可能会发生的是，迟早有一天它会变得比人还聪明。因为人与人之间的信息分享是很有限的，我们只能交谈、打手势等，但如果两个人工智能系统互相交流，它们可以直接相互读取对方的大脑，同时下载对方所有的内容。“当然，今天我们暂时还不用担心人工智能超越人类智能，长远来看，我们或许应该担心，不过，长远又到底是多远呢？5年，10年，还是100年？又有谁知道呢？”皮特说。
1701071766
1701071767
安德·凯：当我们在说机器人时，我们到底在说什么
1701071768
1701071769
安德·凯（Andra Keay）是硅谷机器人（Silicon Valley Robotics）集团的常务董事，该集团主要关注机器人技术的创新和商业化，这让安德对硅谷的机器人新公司发展情况非常熟悉。此外，她还是机器人黑客空间Robot Garden的创始人，全球范围内有名的机器人科技新闻网站Robohub的主要创立人。
1701071770
1701071771
与安德的会面安排在了一个机器人黑客空间里，她认为机器人是21世纪无所不在的工具和新技术，对让更多人接触机器人技术有着浓厚的兴趣和使命感。安德在访谈中最有趣的观点是对机器人这个概念进行了反思，提出“任何一辆汽车其实都是机器人”。
1701071772
1701071773
什么是机器人
1701071774
1701071775
当人们说机器人时，他们到底指的是什么？很多人对机器人的定义里包含了许多将机器人拟人化的偏见。当我们想到机器人时，我们想到的对象往往是比猫大，比马或房子小，跟人差不多一样大小和形状的东西。我们往往会在它身上试图寻找一些跟人相似的东西，比如有脸、有眼睛或一些表情，或者有手臂，即机械臂，甚至有一半都跟人相似等。
1701071776
1701071777
我赞同国际标准化组织（ISO）对机器人的定义，即，“机器人是可自动控制且可重复编程，具有多功能机械手以及三个或更多的轴，在工业自动化应用中固定或移动使用的设备”。我认为这个定义非常切合实际，它包括了许多我们传统观念里不认为是机器人的设备，说明现在我们关注的“机器人”其实只是整个机器人中的一小部分。当我们将机械臂和电脑等设备塞进一个盒子里，我们就很容易忘记了这些东西跟我们称为“机器人”的东西其实拥有一样的构造和部件。这些东西马上就变成了“电器”或“交通工具”，比如智能洗衣机、汽车。今天的任何一辆汽车都是机器人，今天的任何一辆飞机也是机器人。但我们对它们习以为常乃至视而不见。
1701071778
1701071779
当大多数人聊起机器人时，他们要么说的是跟人相似的机器；要么说的是我们如何跟机器人互动，如何处理机器人可能会抢走人类工作的恐惧或如何能让机器人在未来更好地帮助人类的渴望；要么说的是电影和电视里才有的机器人。这个时候，我们完全是从人类的视角来看机器人的。
[
上一页 ]
[ :1.70107173e+09 ]
[
下一页 ]