這就是機器人最先開始的方式
將人工智慧的最新進展與機器人相結合可以改變製造和倉儲，並將人工智慧提高到一個新水平
機械臂正在執行一個奇特的一種永遠做不完的任務。它盤旋在一堆閃閃發光的熟雞肉零件上，蘸起來，然後撿起一塊。過了一會兒，它搖晃著，將這塊雞肉輕輕地放入沿傳送帶移動的便當盒中。
這款機器人由位於舊金山的Osaro公司的軟體控制，比以往任何時候都更加智能。該軟體教會它在大約五秒內挑選並放置雞。在這一年裡，Osaro希望它的機器人能在日本食品工廠找到工作。
任何擔心機器人起義的人都只需走進一家現代工廠，看看它有多遠。大多數機器人功能強大而精確，但除非經過精心設計，否則無法做任何事情。如果一個物體移動一英寸，一個普通的機器人手臂缺乏拾取物體所需的感覺。抓住一些陌生的東西是完全沒有希望的; 它不知道棉花糖和鉛立方體之間的區別。從雜亂無章的堆撿起不規則形狀的雞塊是一種天才行為。
工業機器人在很大程度上未受人工智慧的最新進展的影響。在過去五年左右，人工智慧軟體已經非常擅長識別圖像，贏得棋盤遊戲，並且幾乎不需要人為干預來回應人的聲音。它甚至可以教授自己新的能力，給予足夠的時間來練習。所有這一切，雖然AI的硬體表兄弟，機器人，努力打開門或拿起一個蘋果。
即將改變。控制奧薩羅機器人的人工智慧軟體可以識別前面的物體，研究它們在被戳穿，推動和抓住時的行為方式，然後決定如何處理它們。像其他AI演算法一樣，它從經驗中學習。通過在附近的強大計算機上使用現成的相機與機器學習軟體相結合，它可以計算出如何有效地掌握事物。經過足夠的試驗和錯誤，手臂可以學習如何掌握任何可能遇到的事情。
配備AI的工作場所機器人將讓自動化進入更多的工作領域。他們可以在任何需要對產品進行分類，解包或打包的地方替換人員。能夠在混亂的工廠地板上行駛，他們可能需要更多的製造業工作。這可能不是起義，但它可能是一場革命。哈佛商學院研究製造業趨勢的Willy Shih說：「我們現在看到了很多實驗，人們嘗試了很多不同的東西。」 「自動化重複性任務有很大的可能性。」
這不僅是機器人的革命，也是AI的革命。將人工智慧軟體放在身體中，可以在現實世界中使用視覺識別，語音和導航。隨著更多數據的傳播，人工智慧變得更加智能化。因此，隨著每一種掌握和放置，這些機器人背後的軟體將越來越善於洞悉世界及其運作方式。
「如果沒有所有這些數據，這可能會帶來進步，」加州大學伯克利分校的教授Pieter Abbeel和Covariant.ai（直到最近稱為Embodied Intelligence）的創始人Pieter Abbeel說。機器學習和虛擬現實到製造業中的機器人技術。
這個時代已經有很長一段時間了。1954年，發明家喬治·C·德沃爾（George C. Devol）為可編程機械臂設計了專利。1961年，一位名叫Joseph Engelberger的製造企業家將設計變成了Unimate，這是一種在新澤西州通用汽車組裝線上首次使用的笨拙笨拙機器。
從一開始，就有將這些簡單機器背後的智慧浪漫化的傾向。為了紀念科幻小說作家艾薩克阿西莫夫所夢想的機器人，恩格爾伯格為Unimate選擇了「機器人」的名字。但他的機器是粗糙的機械設備，旨在通過相對簡單的軟體執行特定的任務。即使是今天的更先進的機器人仍然只是機械式的，必須為每一個動作編程。
人工智慧遵循不同的路徑。在二十世紀五十年代，它開始使用計算工具來模仿人類的邏輯和理性。一些研究人員也試圖給這些系統一個實物存在。早在1948年和1949年，英國布里斯托爾的神經科學家威廉·格雷·沃爾特（William Gray Walter）開發了兩台小型自動機器，他稱之為艾爾西和埃爾默。這些類似烏龜的設備配備了簡單的神經靈感電路，讓他們可以依靠自己的光源。沃爾特將它們建立起來，以表明大腦中幾個神經元之間的聯繫可能會導致相對複雜的行為。
但是，理解和重新創造情報被證明是一個拜占庭式的挑戰，人工智慧進入了一個很長時期，並沒有什麼突破。同時，編程物理機器在混亂的現實世界中做有用的事情往往被證明是複雜的。數十年來，人工智慧和機器人在研究實驗室中一直處於穩定狀態，研究人員嘗試將機器學習應用於工業機器人，但這尚未在工業中取得成功。
然後，大約六年前，研究人員想出了如何製作一個令人難以置信的強大的老式AI技巧。科學家們正在使用神經網路 - 粗略地說，大腦中神經元和突觸從輸入中學習的方法。事實證明，這些網路是Elsie和Elmer能力的組成部分的後代。研究人員發現，當餵食大量標記數據時，非常大的或「深度」的神經網路可以做出令人驚嘆的事情，例如識別近乎完美的圖像中顯示的對象。
AI的領域被顛覆了。深度學習，因為這種技術是眾所周知的，現在廣泛用於涉及感知的任務：面部識別，語音轉錄和訓練自駕車以識別行人和路標。它可以想像一個機器人能夠識別你的臉部，聰明地對你說話，並安全地導航到廚房，讓你從冰箱中取出汽水。
AI給機器的第一個技能之一是靈巧得多。在過去的幾年中，亞馬遜一直在進行「挑選機器人」的挑戰，研究人員爭相讓機器人儘快採集各種各樣的產品。所有這些團隊都在使用機器學習，他們的機器人逐漸變得更加精通。顯然，亞馬遜一直關注自動化實現中心內數十億件物品的揀選和包裝。
加州大學伯克利分校Abbeel的同事肯·戈德伯格說：「我一直在機器人工作35年，而且我們的進展甚微。」 感謝人工智慧領域的進步正在發生變化：「我們現在準備向前邁進一大步。」
在紐約NoHo街區，世界上最重要的人工智慧專家之一正在尋找該領域的下一個重大突破。他認為機器人可能是這個難題的重要組成部分。
Yann LeCun在深度學習革命中發揮了重要作用。在20世紀80年代，當其他研究人員認為神經網路不切實際時，勒村堅持了下來。作為Facebook人工智慧研究的負責人直到1月份，現在擔任首席人工智慧科學家，他領導開發了深度學習演算法，可以識別任何人張貼的照片中的用戶。
但樂村希望AI做的不僅僅是看到和聽到; 他希望它能夠推理並採取行動。他說，它需要一個實體存在才能實現這一點。人類的智能涉及與現實世界的互動; 人類嬰兒通過玩弄東西來學習。嵌入在抓取機器中的AI可以做同樣的事情。LeCun說：「現在很多最有趣的AI研究都涉及機器人。
甚至可能會產生一種顯著的機器演變，反映引起生物智能的過程。一旦原始人開始直立行走，用兩隻空閑的手來檢查和操縱物體，視覺，敏捷和智能就開始以更快的速度一起演變。他們的大腦變得越來越大，可以使用更先進的工具，語言和社會組織。
AI可以體驗類似的東西嗎？到現在為止，它主要存在於計算機內部，與真實世界的原始模擬交互，例如視頻遊戲或靜止圖像。能夠感知現實世界，與之互動並且了解它的人工智慧程序最終可能會在推理和溝通方面變得更好。「如果你最大限度地解決了操縱問題，」阿比貝爾說，「你可能會建立一些非常接近完整的人類智能的東西。」
TAG:如真看世界 |