機(jī)器人來了！ 云+端構(gòu)建萬物智能

　　《機(jī)器人產(chǎn)業(yè)“十三五”發(fā)展規(guī)劃》或許將很快公之于眾。中國機(jī)械工業(yè)聯(lián)合會執(zhí)行副會長、中國機(jī)器人產(chǎn)業(yè)聯(lián)盟執(zhí)行理事長兼秘書長宋曉剛告訴記者，其參與制定的《機(jī)器人產(chǎn)業(yè)“十三五”發(fā)展規(guī)劃》初稿已經(jīng)完成，目前已提交給工信部，處于修改完善階段。

　　此前，在2015機(jī)器人世界杯產(chǎn)業(yè)峰會上，英特爾公司機(jī)器人創(chuàng)新中心總經(jīng)理倪健安表了決心，其意欲抓住在中國掀起的機(jī)器人發(fā)展機(jī)遇，帶領(lǐng)英特爾沖向這塊“高地”。

　　而在“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的熱潮中，余凱也離開了自己一手創(chuàng)辦的百度深度學(xué)習(xí)研究院，創(chuàng)建了地平線機(jī)器人科技公司。

　　浩浩蕩蕩的科技大軍向機(jī)器人領(lǐng)域涌來。其中，也催生了許多前沿技術(shù)。

　　云+端構(gòu)建萬物智能

　　“如果兩人買了一個同機(jī)型的機(jī)器人，出廠設(shè)置也一模一樣。售出兩個月后，這兩個機(jī)器人都會帶上各自的個性屬性，成為兩個完全不同性格的機(jī)器人?！庇鄤P說。

　　他認(rèn)為，機(jī)器人因其智能屬性在經(jīng)驗(yàn)的演化下走向了個性化。

　　而這種經(jīng)驗(yàn)屬性實(shí)際就是大數(shù)據(jù)?！按髷?shù)據(jù)對于機(jī)器人而言，就是一種智能?！庇鄤P說。移動互聯(lián)網(wǎng)讓每個人無時無刻不在產(chǎn)生數(shù)據(jù)，從而讓萬物互聯(lián)走向了“萬物智能”。而在萬物智能的時代，余凱判斷，網(wǎng)民將由人和機(jī)器人構(gòu)成。

　　他認(rèn)為，在未來，所有的消費(fèi)類電子產(chǎn)品最終都會成為某種形式的機(jī)器人，從電燈、烤箱到汽車，機(jī)器人的形態(tài)不應(yīng)該拘泥于“人”，而是所有可能與數(shù)據(jù)和云連接的“端”。

　　余凱指出，機(jī)器人各種形式的“端”主要處理感知任務(wù)，對物理信號進(jìn)行實(shí)時處理和理解，然后產(chǎn)生控制。而“云”主要承載認(rèn)知任務(wù)，依靠巨大的數(shù)據(jù)庫處理“端”反饋回來的信息。

　　為什么要在端處理感知性和智能性任務(wù)?

　　余凱解釋道，第一，實(shí)時性的要求，失之毫厘，謬以千里，尤其對于自動駕駛來說更是如此。第二，計(jì)算部署的便捷性，所有的數(shù)據(jù)如果都放在云上來處理，不一定是最便捷的，因?yàn)樵贫际峭|(zhì)化的服務(wù)器，只能滿足通用化的需求，但是多樣化的垂直任務(wù)需要專門的硬件處理，因此特定領(lǐng)域的計(jì)算任務(wù)應(yīng)該放置在端處理。同時，降低帶寬與保護(hù)用戶隱私也要求前端如此。

　　萬物互聯(lián)和萬物智能的趨勢更值得注意，余凱總結(jié)，首先，所有設(shè)備會成為智能傳感器。過去，大部分傳感器把物理信號轉(zhuǎn)化成數(shù)字信號，但智能傳感器的前端將對基礎(chǔ)數(shù)據(jù)進(jìn)行深度處理和理解;第二，所有的設(shè)備將成為云和端結(jié)合的“大腦”，既要保持大型互聯(lián)網(wǎng)公司在后端提供感知的智能處理，也要在前端構(gòu)建感知能力，實(shí)現(xiàn)從信號、決策、感知到控制的實(shí)時處理能力;第三，所有的設(shè)備會從本地單一功能載體變成連接人到后端無邊無際的互聯(lián)網(wǎng)服務(wù)入口。

　　不會？主動問+自己學(xué)

　　如果說，萬物智能為人類走向機(jī)器人的世界打下了“群眾基礎(chǔ)”，那么，如何讓機(jī)器人從能力上更像人，則是機(jī)器人發(fā)展道路上一項(xiàng)“可望還應(yīng)可即”的目標(biāo)。

　　在2015中國人工智能大會的機(jī)器學(xué)習(xí)討論環(huán)節(jié)中，北京大學(xué)信息科學(xué)技術(shù)學(xué)院智能科學(xué)系教授查紅彬指出，機(jī)器實(shí)現(xiàn)人工智能需要深度學(xué)習(xí)，核心在于自主學(xué)習(xí)。自主學(xué)習(xí)的特征則包括根據(jù)自身發(fā)展需求，自動定義學(xué)習(xí)目標(biāo)，并通過行為、動作等在環(huán)境當(dāng)中獲取數(shù)據(jù)。

　　“這個數(shù)據(jù)要靠機(jī)器自身獲得，自主強(qiáng)調(diào)的不僅是知識，更是行為?！辈榧t彬強(qiáng)調(diào)。

　　國際RoboCup(機(jī)器人世界杯)聯(lián)合會前主席、國際人工智能聯(lián)合會主席Manuela M·Veloso，在美國卡內(nèi)基梅隆大學(xué)帶領(lǐng)了一個研究機(jī)器人如何更好自主學(xué)習(xí)的項(xiàng)目。他們曾做過一個實(shí)驗(yàn)，研究如何讓一群機(jī)器人通過各種障礙物到達(dá)指定地點(diǎn)并且完成指定任務(wù)。

　　“隨著機(jī)器人的商用化，它們必須更好地進(jìn)行互動，能夠主動地尋求幫助，至少要保證90%的功能是自我完成的?！盡anuela M·Veloso說。

　　實(shí)驗(yàn)中，她故意設(shè)定機(jī)器人必須通過電梯才能到達(dá)指定地點(diǎn)，可是之前機(jī)器人并不知道如何乘坐電梯。“能否幫我按一下按鈕?幫我把電梯門抵住，不要讓門關(guān)住?”機(jī)器人不僅能主動尋求幫助，也在學(xué)習(xí)中得到了許多新技能。

　　Manuela M·Veloso介紹，通過自主學(xué)習(xí)與尋求幫助機(jī)制的植入，讓人與機(jī)器人的對話幫助它們完成更多任務(wù)，目前該研究小組已積累了數(shù)千種不同類型的任務(wù)。

　　中國科學(xué)技術(shù)大學(xué)機(jī)器人實(shí)驗(yàn)室主任、中國RoboCup委員會主席陳小平也指出，在機(jī)器人的自主學(xué)習(xí)中，要學(xué)會根據(jù)目標(biāo)搜集相關(guān)資料，比如，它在接到使用微波爐加熱爆米花的任務(wù)后，可以迅速聯(lián)網(wǎng)下載微波爐使用手冊獲得這項(xiàng)技能。

　　但是，機(jī)器人有不同的類型，不可能通過一個機(jī)器人完成所有任務(wù)，不同國家的機(jī)器人有著不同需求，并面臨語言的差別。因此，Manuela M·Veloso建議應(yīng)建立起一個平臺，鼓勵機(jī)器人信息共享。

　　待解的技術(shù)之問

　　除了前沿技術(shù)大趨勢，機(jī)器人在“進(jìn)化成人”的道路上，也不可避免在技術(shù)爆炸的漩渦中留下需要人們不斷探索的待解之題。

　　人工智能技術(shù)包括什么?什么是人工智能的核心內(nèi)容?拋開自然語言理解、圖像視頻識別、搜索算法、知識工程外，人工智能技術(shù)還有什么?

　　在“機(jī)器學(xué)習(xí)與模式識別”討論環(huán)節(jié)，中科院自動化所研究員宗成慶提出了以上問題。

　　機(jī)器學(xué)習(xí)在不到10年的時間里，遷移學(xué)習(xí)、增強(qiáng)學(xué)習(xí)、概率圖模型、深度學(xué)習(xí)等相繼被熱捧。而之前每一種學(xué)習(xí)方法的研究都持續(xù)不過2～3年。

　　“無論哪一種統(tǒng)計(jì)學(xué)習(xí)方法都是建立在大規(guī)模測試樣本之上的模型，難以做到舉一反三?，F(xiàn)在機(jī)器學(xué)習(xí)是在向正確的方向發(fā)展嗎?”宗成慶追問。

　　“在自然語言處理中，很多問題都被轉(zhuǎn)化為分類問題或者序列標(biāo)注問題。但不同的問題使用相同的解決方法，自然不會得到很好的處理結(jié)果。圖像、視頻分析作為模式識別最基礎(chǔ)性的問題，在邊界分割、模式匹配、檢索等方面取得了若干優(yōu)秀成果，但在多大程度上體現(xiàn)了‘智能’，尚不可知?！?宗成慶說。

　　深度學(xué)習(xí)方法與人工神經(jīng)網(wǎng)絡(luò)方法在數(shù)學(xué)計(jì)算上有沒有本質(zhì)區(qū)別?機(jī)器要真正實(shí)現(xiàn)從“處理”到“理解”的出路何在?簡單的技術(shù)集成是否會成為“智能系統(tǒng)”?宗成慶表示，仍有太多的技術(shù)問題需要人們繼續(xù)關(guān)注。

　　最后，宗成慶感嘆并總結(jié)道：“人工智能的技術(shù)變化非?？欤械谋焕渎浜笥捎谟布阅芨淖兌俅伪煌葡虿ǚ?，甚至經(jīng)歷多次輪回。如何在熱鬧中把握‘冷和熱’的平衡，既保持冷靜的頭腦又堅(jiān)守自己的學(xué)術(shù)理想，值得探討?！?/p>

　　人人皆可參與人工智能

　　人工智能可以通過語音、圖像，還有對產(chǎn)品的推介和交互，幫助人們理解個體，同時可以利用不同的場景來達(dá)到學(xué)習(xí)的功能。

　　比如，可以通過人與人之間的連接、社交網(wǎng)絡(luò)的分析，對文章的內(nèi)容以及公眾號、大眾點(diǎn)評等數(shù)據(jù)分析來建立一種新的知識，分析對象的特征、喜好、社會關(guān)系等信息會形成一個巨大的知識圖譜，有了知識圖譜以后，人工智能的載體就能對用戶提供服務(wù)的推薦，幫助用戶智能個性化的搜索，進(jìn)行知識的傳播或智慧的整合，形成所謂的群體智能。

　　例如，移動視覺的搜索能提供不同場景的識別，深度學(xué)習(xí)又可提供基于朋友圈的用戶模型的建立，有了這個用戶模型，我們知道微信推出了非常有意思的廣告方式，使得大家把廣告和朋友圈上面的圖片發(fā)布有機(jī)融合在一起，變成一個非常有意思的事情。

　　另外，常見的漂流瓶是一種已有的基于人和人之間的問答模式，比如，帶一個問題扔一個瓶子，這個瓶子如果有人撿到并回答它的話，這兩個人的關(guān)系就建立起來了?，F(xiàn)在可利用這樣一種功能來補(bǔ)充知識，不斷把機(jī)器人回答不了的問題，用瓶子的形式扔到海洋問題庫里，知道的人就可以回答這個問題，以此不斷增加機(jī)器人知識的覆蓋面。