什么是 ai(ai是什么?)

摘要：

研究人员和制造商正在训练机器人如何使用人工智能来学习和处理复杂的任务，但它们能够实现的功能与人们期望机器人实现的功能相差甚远。现在人工智能的定义比以前更广，可能会造成一些混乱。

在人工智能(AI)领域工作了几十年的研究人员和企业家正在试图帮助人们更好地理解它尚不清楚的内涵。他们试图减少围绕人工智能的一些困惑和误解，并展示如何将其用于工业应用的机器人技术。

“最大的误解可能是有多远。”Rethink Robotics董事长兼首席技术官罗德尼布鲁克斯表示，“自人工智能之父约翰麦卡锡于1956年创造了‘人工智能’一词以来，我们至今已致力于人工智能的研究约62年。但它远比物理复杂，物理花了很长时间才完善。我认为我们仍然处于人工智能的早期阶段。”

很多与人工智能有关的炒作都与最近的媒体报道有关，例如展览上的仿生和动物灵感机器人展示，或者用于观看体育比赛的人工智能系统，例如可以与人类下棋、乒乓球和高尔夫的机器人。一些误解源于将机器性能等同于能力。当我们看到人们在执行一项任务时，我们可以假设一些基本的能力，——技能和天赋，这些是人们完成任务所必须具备的。但是人工智能和这个不一样。

“虽然AI系统在下棋方面的表现令人惊讶，但它甚至不知道自己在下一局棋。”布鲁克斯说，“我们把机器的性能误认为是它们的能力。当你看到程序像人一样学习新事物的时候，如果你认为程序能像你一样深刻地理解它们，那你可能就错了。”

图1:布鲁克斯认为AI还处于初级阶段。机器和人类的智能没有可预见的竞争，人类还是更聪明的。

人工智能到底是什么？

人工智能已经成为营销界的时髦词。就像在此之前的“机器人”，现在似乎一切都是AI驱动的。什么是AI，什么不是AI，有时候很难确定。即使是专家也会犹豫到底什么是人工智能，什么不是。正如布鲁克斯指出的那样，20世纪60年代被认为是人工智能的东西现在出现在计算机编程的第一堂课上。但不叫AI。

“它在某个时候被称为人工智能，”布鲁克斯说。"后来，它变成了计算机科学."机器学习及其所有的变化，包括深度学习、强化学习和模仿学习，都是AI的子集。

“在一定时期内，AI是一个非常狭窄的领域。有些人非常确定它是一种搜索技术。”加州大学伯克利分校工业工程和运营研究教授兼主席肯戈德堡说，“现在，人工智能被广泛认为是机器人和机器学习的总称，所以现在它被视为一系列子集的集合。”

高级计算机视觉是人工智能的一种形式。“如果你只是检查螺丝是否在正确的位置，那么这项技术从20世纪60年代就已经有了。如果你想叫它AI，你需要扩展它。”戈德堡说，“但同时，如果一个计算机视觉系统可以识别工人的脸，那么我们一般认为它是人工智能。因为这是一个更复杂的挑战。"

缺乏背景

人类智能和机器智能的一个重要区别是上下文。作为人类，我们对周围的世界有着更多更深刻的认识。但是人工智能没有。布鲁克斯说：“我已经在人工智能领域工作了60年，收效甚微。”这就是为什么即使我们有超级智能的AI，我也不担心。虽然我们在某些领域取得了成功，也就是现在所谓的革命，但是非常有限。当然，言语理解和我们10年前完全不同。在过去，根据语音理解系统的设置，你可以按或说‘2’来表示沮丧。但现在已经不是这样了。他以亚马逊的Alexa、谷歌助手和苹果的Siri为例。

“你对Alexa说什么，即使音乐在播放，房间里有其他人在说话，也能很好理解。”布鲁克斯表示，这令人惊讶，主要是因为深度学习的发展。“充分利用这些新兴技术的发展，这样我们才能做出更好的产品。”

“当我们最初开始创建Rethink Robotics时，我们调查了所有的商业语言理解系统。当时我们觉得在工厂里实现机器人语音识别很可笑。我认为现在情况已经改变了。”布鲁克斯说。

语音识别系统编译正确的字符串。一根准确的弦足以做很多事情，但还是不能像人一样聪明。“这就是区别，”他说。“获得字符串只是一种有限的能力。这种能力要想扩大，还有很长的路要走。”

这些有限的能力成为许多关于人工智能的乐观预测的基础，但它们可能对人类在未来的作用过于悲观。

现实世界中的人工智能研究

与单一性相比，戈德堡强调多样性，指出人和机器的不同组合之间合作解决问题和创新的重要性。如果人工智能应用程序想要走出实验室，进入现实世界，这种合作尤为重要。

加州大学伯克利分校电气工程和计算机科学系的教授彼得阿比尔也是智能的化身。

“ 这是挑战的一部分，” Abbeel说，“ 人类如何能够利用这项技术，利用它来使自己更聪明，而不是仅仅让这些机器与我们分开？当机器成为我们日常生活的一部分，可以用于提高效率的时候，那就是它真正令人兴奋的时刻。”

尽管Abbeel 对 AI 的前景感到兴奋，但他认为适当的谨慎是有必要的。“我认为最好记住，像语音识别、机器翻译和识别图像中最显著的进步其实只是所谓的监督学习的例子。”

重要的是要了解有不同类型的AI正在建立。在机器学习中，有三种主要的学习类型: 监督学习、无监督学习和强化学习。

“ 监督学习只是一种模式识别，”Abbeel 说。从语音到文本，或者从一种语言到另一种语言，这是一个很难的识别模式，但是 AI 没有任何目标或目的。给出英语，它会告诉你中文是什么。给它一个口头句子，它将转录成一系列的字母。这只是模式匹配。你给出数据——图像和标签，它学习如何从图像到标签的识别模式。

没有监督的学习是你只给它图像，没有标签。希望它能够从大量的图像开始，了解世界是什么，然后逐步建立这种理解，也许在将来它可以更快地学习到其它东西。没有监督的学习没有任务。只需给它提供大量的数据。

接下来是强化学习，这种学习非常不同，更有趣，也更难 ( 强化学习被归功于自动驾驶技术的进步)。 强化学习是给系统一个目标。目标可以是在视频游戏中获得高分，或在国际象棋游戏中获胜，或组装两个零件。这也是对AI 产生某些恐惧的理由。如果 AI 有错误的目标，会发生什么？目标应该如何设定？

重要的是人类和人工智能不会在真空隔绝的环境中进化的。Abbeel说:“当我们创造越来越智能的机器时，我们作为人类的能力也将会增强。现在，我们在Embodied Intelligence所做的工作最让我兴奋的是，人工智能的最新发展，已经使 AI 能够理解它们在图片中看到的内容。”

■ 图 2: Abbeel 正在将机器学习的突破性研究转变为实际的工业应用，机器人可以自主学习新技能。

机器人抓取的深度学习

加州大学伯克利分校的Autolab实验室， 专注AI 领域的研究超过10年，并已将其应用于云机器人、深入强化学习、从演示中学习、以及仓库物流强健的机器人抓取和操纵、家庭机器人、以及外科机器人等项目。

该实验室的Dexterity Network(Dex-Net) 项目表明， AI 可以帮助机器人学习抓取不同大小和形状的对象，通过提供数以百万计的3D 对象模型、图像，以及如何将它们抓取到深度学习的神经网络指标。

以前，机器人通过拿不同的对象反复练习来学习抓取和操作对象，这是一个耗时的过程。利用合成点云代替物理对象来训练神经网络、识别抓取，最新的Dex-Net 迭代效率更高，可以达到99% 的抓取精度。从长远来看，Goldberg 希望开发高可靠性的机器人，能够抓取各种刚性物体：如工具、家居用品、包装货物、和工业零件。

■ 图 3: 在研究人员培训神经网络如何识别来自数以百万计的3D 模型和图像中的对象以后，机器人可以操作之前从未遇到过的对象。

深度学习协作机器人

Rethink 公司的 Intera 5 软件，旨在使Baxter 和Sawyer 协作机器人更聪明。机器人的视觉和培训功能中，利用了很多人工智能。

“传统的工业机器人没有太多的智慧，这一情况正在改变。我们正在将深度学习应用到机器人。” Brooks说。未来可能90% 的制造，都是人与机器人在同一空间协同工作。

Baxter 和Sawyer 机器人有一个示范培训功能，可以使 AI 投入工作。Brooks 说: “当你通过演示训练它的时候，你可以通过移动它的手臂向其展示某些东西，它会推断出一个叫做行为树的程序。它会为自己编写一个程序来运行。你不必亲自去写这个程序。”

Intera 5 是一种图形化编程语言。Brooks 说，你可以查看它，修改它，或者你可以在行为树中编写一个程序，让它绕过程序的选项自动执行。

■ 图 4: 集成AI 的协作机器人，将计算机数控车床应用到定制注塑机上，可以促进工艺过程的自动化，提高产品质量和生产效率，并可以将运行人员从重复的任务中解放出来。

AI 改变机器人编程

人工智能正在改变机器人的编程方式。在Embodied Intelligence 公司，Abbeel 和他的团队利用 AI 的力量，以帮助工业机器人学习新的、复杂的技能。

他们的工作是从 Abbeel 在加州大学伯克利分校的研究中发展而来的，在使用模仿学习和深层强化学习来培训机器人操纵物体方面有了重大突破。开始采用感知和控制相结合的方式来远程操作机器人。操作员佩戴虚拟现实 (VR) 装置，通过摄像机来显示机器人的视图。

在控制方面，VR 设备配置了操作员手持的处理设备。当运行人员的手移动时，该运动就能被跟踪。跟踪所得的坐标和方向，被送入驱动机器人的计算机上。这样操作员可以直接控制机器人爪的运动，就像木偶一样。

Abbeel 说: “我们允许人类将自己嵌入机器人内部。”通过机器人的眼睛， 人可以看并且控制机器人的手臂。他说，人类是如此灵巧，以至于机器人爪和我们的手之间没有可比性。通过 VR 系统，操作员可以感受到机器人运动方面的限制。

“通过给机器人演示来传授技能的精髓。这并不意味，在刚开始时会像机器人一样快。它会以人类的速度进行，对于大多数机器人来说，这非常缓慢。”Abbeel 说。这是第一阶段( 模仿学习)。通过示范培训机器人。然后在第二阶段，机器人将运行强化学习，从它自己的尝试和错误中学习。这时，机器人已经学会了任务的精髓。现在，机器人只需要学会如何加速。这时它可以通过强化学习加快学习的进程。

他们的技术特别适合于挑战性的视觉和操作任务，而这对传统的软件编程技术来说太复杂了。Embodied公司可以让任何人通过自己的演示，使用该软件来重新为它们的机器人编程。这将允许任何公司，不管大小都可以快速重新部署机器人，完成不同的任务。

■ 图 5: 操作员戴着VR 头盔，手持运动跟踪装置，远程操作机器人，这样它就可以学习如何使用强化学习来独立完成新的技能。

未来的潜力

虽然AI 在云计算机器人、机器学习、计算机视觉、语音识别等各个方面都在进步，并在特定领域取得了显著的进步，然而，AI 对人类还是所知有限。

在 AI 和人类工程学的帮助下，即使有一天机器人能够接近人类的灵巧程度，但可能也永远不会真正掌握周围的世界。语境和独创性将仍是人类主导的领域。技术既不坏也不好，就看我们如何使用它。有了人工智能和机器人的帮助，人类就有了巨大的潜能来做更多有意义的事。