新葡京app手机版下&(2)

“没有这些数据，我们不可能取得这样的进展，”Pieter Abbeel如是说。他是加州伯克利大学的教授，兼Embodied Intelligence的创始人，这家公司的主要业务是将机器学习和虚拟现实技术应用到制造业的机器人中。

2，机器人&人工智能，不同的发展历程

这个时代的到来花了不少时间。1954年，发明家George C. Devol设计了可编程的机械手臂，并申请了专利。1961年，一位名为Joseph Engelberger的制造企业家在改进Devol发明的基础上，创造出了第一代工业机器人Unimate——Unimate笨重且不灵巧，外观奇怪，最早被用在了通用汽车位于新泽西的流水线上。

一开始，人们对这些简单机器的智慧进行了美化。Engelberger将Unimate命名为“机器人（robot）”，号称致敬作家Isaac Asimov在科幻小说中幻想出的机器人 （androids），但实质上，他的机器并没有那么复杂，它们只是一堆简陋的机械设备，在简单的软件操纵下能进行特定的任务而已。即便是今天更先进的机器人，也需要编程对自己的每步操作进行控制，从这个意义上讲，它们也没有逃脱以往指令怎么说，自己就怎么做的“傻瓜”工作原理。

人工智能的发展则大不相同。上世纪50年代，人工智能开始使用计算工具来模仿人类的逻辑和推理，一些研究人员甚至为这些系统找寻物理实体。而早在1948年至1949年，英国布里斯托的神经科学家William Grey Walter就开发了两个小型的自动机器，Elsie和Elmer。这两个机器形似乌龟，装配了可受神经刺激的简单电路，能够自主追溯光源。Walter制造这两个机器的目的是想展示，区区几个大脑神经元的联系，也能引发复杂的行为。

Embodied Intelligence的工作人员正在使用虚拟现实装备训练机器人

图片来源：COURTESY PHOTO

但是理解和再造智能却遭遇了极大的挑战，人工智能发展经历了很长一段鲜有突破的停滞期，因为为机器编程以在现实生活中执行任务往往十分复杂。几十年来，人工智能和机器人在实验室中相伴相生，研究人员一直都想将机器学习应用到工业机器人上，但未有重大进展。

直到七年前，研究人员终于找到了让人工智能焕发生机的办法——神经网络（一种算法，模仿了大脑神经元与突触从输入中学习的过程）。神经网络设计的灵感来自赋予Elsie和Elmer反应能力的组件。研究人员发现，在海量标记数据的帮助下，大型深度神经网络可以完成了不起的任务，比如以近人类完美的精度，识别图片中物体。

人工智能领域由此迎来了彻底的颠覆。作为耳熟能详的技术，深度学习现在已被用在了包括感知在内的众多领域：面部识别、语音转换、训练汽车识别行人与路标......植入人工智能系统，机器人能识别人脸，与人类交流，为人类服务（例如前往厨房，从冰箱里为主人取出一瓶碳酸水），这些以往存在于科幻小说的幻想，都不再是梦了。

人工智能首先赋予机器的将是更大的灵敏性。在过去几年，亚马逊一直在举办“机器人分拣”挑战赛。在竞赛中，研究人员要让机器人以尽可能快的速度分拣出一系列物品。所有研究团队都在使用机器学习，这样开发出的机器人在一次次的训练中变得愈发熟练。很明显，亚马逊的目标是实现旗下交付中心数十亿物品的自动化分拣和包装。

“过去的三十五年，我一直在寻找实现机器人物品抓取的方法，但一直未获得什么实质进展，”Abbeel在加州伯克利大学的同事Ken Goldberg说。但在人工智能的帮助下，这一情况得以改变：“我们即将向前迈进一大步了！”

3，机器人，赋予AI实体，推动AI进步

在纽约诺荷区，全球知名的人工智能专家，Yann LeCun正在寻找这个领域的下一个突破。他认为，机器人有望成为AI突破的重要环节。

Yann LeCun在深度学习革命中扮演了重要角色。上个世纪80年代，在其他研究人员觉得神经网络不现实而放弃的背景下，Yann坚持了下来。截至2018年1月，他一直担任Facebook人工智能研究的负责人，目前担任该部门的首席AI科学家。他领导的深度学习算法可以实现在用户发布的任一照片中识别人物。