摘要：

研究人員和制造商正在培訓機器人如何利用人工智能來學習和處理復雜的任務，但是所能實現(xiàn)的功能還遠遠未達到人們期望機器人達到的目標。現(xiàn)在人工智能的定義比以前更廣泛，這可能會造成一些混亂。

在人工智能 (AI) 領域工作了數(shù)十年的研究人員和企業(yè)家，正試圖幫助人們更好地理解它不夠明晰的內(nèi)涵。他們正在努力減少圍繞人工智能的一些混淆和誤解，并展示它是如何被用于工業(yè)應用的機器人技術。

“ 最大的誤解可能是， 它還有多遠。”Rethink Robotics 董事長兼首席技術官Rodney Brooks 說，“ 自從1956 年AI 之父John McCarthy 創(chuàng)造了‘人工智能’一詞以來，我們一直致力于人工智能的研究，到目前為止大約62 年了。但它遠比物理學復雜得多，而物理學花了相當長的時間來完善。 我想我們還處于人工智能的初期階段?！?/p>

很多與人工智能相關的炒作與最近媒體的大肆報道相關，例如展會上仿生和受動物啟發(fā)的機器人展示，或者觀賞體育的人工智能系統(tǒng)，例如可以與人類下棋、打乒乓球、高爾夫的機器人。一些誤解源于將機器性能等同于能力。當看到人執(zhí)行某項任務時，我們可以假定一些基本的能力——技能和天賦，人必須擁有這些技能才能完成該任務。但人工智能和這并不一樣。

“雖然AI 系統(tǒng)在下棋方面的表現(xiàn)令人吃驚，但它甚至不知道它是在玩游戲?！盉rooks說，“我們把機器的性能誤認為是它們的能力。當看到程序像人一樣學習新事物時，如果你認為程序也能像你一樣對其有深刻的理解，那可能你就犯了一個錯誤。”

■ 圖 1: Brooks 認為AI 仍處于起步階段。機器智能和人類智力之間沒有可預見的競爭，人類仍然更聰明。

人工智能到底是什么

人工智能已經(jīng)成為營銷的時髦詞。就像在此之前的 “機器人”一樣，現(xiàn)在似乎一切都是AI 驅(qū)動的。到底什么是AI，什么不是 AI，有時很難確定。即使是專家，在確切的定義什么是AI、什么不是 AI 時，也會猶豫。正如Brooks 所指出的，在1960 年代被認為是 AI 的事物，現(xiàn)在則出現(xiàn)在計算機編程的第一個課中。但它不叫 AI。

“在某個時候曾被叫做AI，” Brooks 說，“后來，它就變成了計算機科學。”機器學習以及它的所有變化，包括深入學習、強化學習和模仿學習，都是 AI 的子集。

“在某段時間內(nèi)，AI 是一個非常狹窄的領域。有些人非常確定的認為它是一種搜索技術。”加州大學伯克利分校工業(yè)工程與運籌學研究教授兼主席Ken Goldberg 說，“而現(xiàn)在， AI 被廣泛認為是機器人和機器學習的一個總括術語，因此現(xiàn)在它被看做一系列子集的集合?！?/p>

先進的計算機視覺是人工智能的一種形式?！叭绻阒皇菣z查螺絲是否在合適的地方，那從60 年代開始就有了該項技術。如果想將其稱之為AI，那就需要對其進行擴展?！盙oldberg說，“但同時，如果一個計算機視覺系統(tǒng)能識別工人面孔，那我們一般認為這是人工智能。因為這是一個更復雜的挑戰(zhàn)。”

缺乏語境

人的智力和機器智力之間的一個重要區(qū)別是語境。作為人類，我們對周圍的世界有了更多、更深入的了解。但人工智能并沒有。Brooks 說: “我在AI 語境領域已經(jīng)工作了60 年，成果甚少?！边@就是為什么即使我們擁有超級智能AI，我也并不擔心。雖然我們在某些領域取得了成功，也就是現(xiàn)在所謂的革命，但非常有限。當然，言語理解與我們10年前的情況截然不同。過去，按照語音理解系統(tǒng)的設置，你可以按下或說‘2’來代表挫折感。但現(xiàn)在已經(jīng)不是這樣。”他援引亞馬遜的Alexa 為例，還有谷歌助手和蘋果的 Siri。

“你對 Alexa 說些什么，即使在音樂播放的時候，在房間里還有其它人在說話時，它也能很好的理解。”Brooks 說，這令人吃驚，主要受益于深度學習的發(fā)展。“充分利用這些新興技術領域的發(fā)展，讓我們可以做出更好的產(chǎn)品?！?/p>

“在剛開始創(chuàng)建Rethink Robotics 時，我們考察了所有的商業(yè)語言理解系統(tǒng)。那時，我們認為在工廠里，實現(xiàn)機器人語音識別是荒唐可笑的。我想現(xiàn)在情況已經(jīng)發(fā)生了改變。”Brooks 說。

語音識別系統(tǒng)編譯出正確的字串。準確的字串足以做很多事情，但它仍不能像人一樣聰明?！斑@就是區(qū)別，”他說，“獲取字串只是一種有限的能力。如果要擴展這種能力，還有很長的路要走?！?/p>

這些有限的能力，已經(jīng)成為許多關于人工智能樂觀預測的基礎，但對未來人類所承擔的角色，則可能顯得過于悲觀。

在現(xiàn)實世界中的AI 研究

相對于單一性，Goldberg 更強調(diào)多樣性，注意到不同組合的人和機器合作解決問題和創(chuàng)新的重要性。如果AI 應用程序想要走出實驗室，進入現(xiàn)實世界，這種協(xié)作尤其重要。

加州大學伯克利分校電氣工程和計算機科學系的教授Pieter Abbeel，也是Embodied Intelligence 公司的總裁和首席科學家。他正致力于將AI 帶入工業(yè)世界，同時強調(diào)人類和機器協(xié)同工作的重要性。

“ 這是挑戰(zhàn)的一部分，” Abbeel說，“ 人類如何能夠利用這項技術，利用它來使自己更聰明，而不是僅僅讓這些機器與我們分開？當機器成為我們?nèi)粘Ｉ畹囊徊糠?，可以用于提高效率的時候，那就是它真正令人興奮的時刻?！?/p>

盡管Abbeel 對 AI 的前景感到興奮，但他認為適當?shù)闹斏魇怯斜匾?。“我認為最好記住，像語音識別、機器翻譯和識別圖像中最顯著的進步其實只是所謂的監(jiān)督學習的例子?！?/p>

重要的是要了解有不同類型的AI正在建立。在機器學習中，有三種主要的學習類型: 監(jiān)督學習、無監(jiān)督學習和強化學習。

“ 監(jiān)督學習只是一種模式識別，”Abbeel 說。從語音到文本，或者從一種語言到另一種語言，這是一個很難的識別模式，但是 AI 沒有任何目標或目的。給出英語，它會告訴你中文是什么。給它一個口頭句子，它將轉錄成一系列的字母。這只是模式匹配。你給出數(shù)據(jù)——圖像和標簽，它學習如何從圖像到標簽的識別模式。

沒有監(jiān)督的學習是你只給它圖像，沒有標簽。希望它能夠從大量的圖像開始，了解世界是什么，然后逐步建立這種理解，也許在將來它可以更快地學習到其它東西。沒有監(jiān)督的學習沒有任務。只需給它提供大量的數(shù)據(jù)。

接下來是強化學習，這種學習非常不同，更有趣，也更難 ( 強化學習被歸功于自動駕駛技術的進步)。 強化學習是給系統(tǒng)一個目標。目標可以是在視頻游戲中獲得高分，或在國際象棋游戲中獲勝，或組裝兩個零件。這也是對AI 產(chǎn)生某些恐懼的理由。如果 AI 有錯誤的目標，會發(fā)生什么？目標應該如何設定？

重要的是人類和人工智能不會在真空隔絕的環(huán)境中進化的。Abbeel說:“當我們創(chuàng)造越來越智能的機器時，我們作為人類的能力也將會增強?，F(xiàn)在，我們在Embodied Intelligence所做的工作最讓我興奮的是，人工智能的最新發(fā)展，已經(jīng)使 AI 能夠理解它們在圖片中看到的內(nèi)容。”

■ 圖 2: Abbeel 正在將機器學習的突破性研究轉變?yōu)閷嶋H的工業(yè)應用，機器人可以自主學習新技能。

機器人抓取的深度學習

加州大學伯克利分校的Autolab實驗室， 專注AI 領域的研究超過10年，并已將其應用于云機器人、深入強化學習、從演示中學習、以及倉庫物流強健的機器人抓取和操縱、家庭機器人、以及外科機器人等項目。

該實驗室的Dexterity Network(Dex-Net) 項目表明， AI 可以幫助機器人學習抓取不同大小和形狀的對象，通過提供數(shù)以百萬計的3D 對象模型、圖像，以及如何將它們抓取到深度學習的神經(jīng)網(wǎng)絡指標。

以前，機器人通過拿不同的對象反復練習來學習抓取和操作對象，這是一個耗時的過程。利用合成點云代替物理對象來訓練神經(jīng)網(wǎng)絡、識別抓取，最新的Dex-Net 迭代效率更高，可以達到99% 的抓取精度。從長遠來看，Goldberg 希望開發(fā)高可靠性的機器人，能夠抓取各種剛性物體：如工具、家居用品、包裝貨物、和工業(yè)零件。

■ 圖 3: 在研究人員培訓神經(jīng)網(wǎng)絡如何識別來自數(shù)以百萬計的3D 模型和圖像中的對象以后，機器人可以操作之前從未遇到過的對象。

深度學習協(xié)作機器人

Rethink 公司的 Intera 5 軟件，旨在使Baxter 和Sawyer 協(xié)作機器人更聰明。機器人的視覺和培訓功能中，利用了很多人工智能。

“傳統(tǒng)的工業(yè)機器人沒有太多的智慧，這一情況正在改變。我們正在將深度學習應用到機器人?！?Brooks說。未來可能90% 的制造，都是人與機器人在同一空間協(xié)同工作。

Baxter 和Sawyer 機器人有一個示范培訓功能，可以使 AI 投入工作。Brooks 說: “當你通過演示訓練它的時候，你可以通過移動它的手臂向其展示某些東西，它會推斷出一個叫做行為樹的程序。它會為自己編寫一個程序來運行。你不必親自去寫這個程序?！?/p>

Intera 5 是一種圖形化編程語言。Brooks 說，你可以查看它，修改它，或者你可以在行為樹中編寫一個程序，讓它繞過程序的選項自動執(zhí)行。

■ 圖 4: 集成AI 的協(xié)作機器人，將計算機數(shù)控車床應用到定制注塑機上，可以促進工藝過程的自動化，提高產(chǎn)品質(zhì)量和生產(chǎn)效率，并可以將運行人員從重復的任務中解放出來。

AI 改變機器人編程

人工智能正在改變機器人的編程方式。在Embodied Intelligence 公司，Abbeel 和他的團隊利用 AI 的力量，以幫助工業(yè)機器人學習新的、復雜的技能。

他們的工作是從 Abbeel 在加州大學伯克利分校的研究中發(fā)展而來的，在使用模仿學習和深層強化學習來培訓機器人操縱物體方面有了重大突破。開始采用感知和控制相結合的方式來遠程操作機器人。操作員佩戴虛擬現(xiàn)實 (VR) 裝置，通過攝像機來顯示機器人的視圖。

在控制方面，VR 設備配置了操作員手持的處理設備。當運行人員的手移動時，該運動就能被跟蹤。跟蹤所得的坐標和方向，被送入驅(qū)動機器人的計算機上。這樣操作員可以直接控制機器人爪的運動，就像木偶一樣。

Abbeel 說: “我們允許人類將自己嵌入機器人內(nèi)部?！蓖ㄟ^機器人的眼睛， 人可以看并且控制機器人的手臂。他說，人類是如此靈巧，以至于機器人爪和我們的手之間沒有可比性。通過 VR 系統(tǒng)，操作員可以感受到機器人運動方面的限制。

“通過給機器人演示來傳授技能的精髓。這并不意味，在剛開始時會像機器人一樣快。它會以人類的速度進行，對于大多數(shù)機器人來說，這非常緩慢。”Abbeel 說。這是第一階段( 模仿學習)。通過示范培訓機器人。然后在第二階段，機器人將運行強化學習，從它自己的嘗試和錯誤中學習。這時，機器人已經(jīng)學會了任務的精髓?，F(xiàn)在，機器人只需要學會如何加速。這時它可以通過強化學習加快學習的進程。

他們的技術特別適合于挑戰(zhàn)性的視覺和操作任務，而這對傳統(tǒng)的軟件編程技術來說太復雜了。Embodied公司可以讓任何人通過自己的演示，使用該軟件來重新為它們的機器人編程。這將允許任何公司，不管大小都可以快速重新部署機器人，完成不同的任務。

■ 圖 5: 操作員戴著VR 頭盔，手持運動跟蹤裝置，遠程操作機器人，這樣它就可以學習如何使用強化學習來獨立完成新的技能。

未來的潛力

雖然AI 在云計算機器人、機器學習、計算機視覺、語音識別等各個方面都在進步，并在特定領域取得了顯著的進步，然而，AI 對人類還是所知有限。

在 AI 和人類工程學的幫助下，即使有一天機器人能夠接近人類的靈巧程度，但可能也永遠不會真正掌握周圍的世界。語境和獨創(chuàng)性將仍是人類主導的領域。技術既不壞也不好，就看我們?nèi)绾问褂盟?。有了人工智能和機器人的幫助，人類就有了巨大的潛能來做更多有意義的事。

本文關鍵概念

■ 人工智能正在發(fā)展，但它還遠不如人類聰明。

■ 人類可以利用人工智能幫助機器人學習新的技能。

■ 云機器人可以幫助協(xié)作機器人，AI需要大量的數(shù)據(jù)。

思考一下 ： 有什么特殊的技能可以教給機器人，從而在制造和工業(yè)自動化方面帶來巨大影？

本文來自于《控制工程中文版》（CONTROL ENGINEERING China ）2018年9月刊《技術文章》欄目，原標題為：人工智能對未來機器人產(chǎn)業(yè)的影響。