西媒预测未来机器人发展：可自主应对任何情况

文章称，但事实上，尽管有越来越多的机器人能够说话和完成各种各样的任务，目前唯一真正进入我们生活的似乎只有飞碟型的扫地机器人。

不知疲倦的高危行业工作者

文章称，自上世纪60年代人类历史上第一台工业机器人“尤尼梅特”诞生以来，该领域的发展从未停止。近半个世纪以来，机器人的性能及其与人类之间的合作一直在不断完善。如果说人们仍未习惯在日常生活中看到它们，主要是因为它们都在工厂中孜孜不倦地工作。“尤尼梅特”是一条重达2000公斤的机械手臂，其主要任务是搬运大块热金属并进行焊接，这样的工作对操作人员来说风险太高。

这是首次由机器人完全代替人类进行作业。牵引机和收割机等工业革命带来的技术成果减少了员工的数量，但并未使他们完全消失，因为这些机器仍需由人来操作和监控。而“尤尼梅特”不是一台简单的机器，它能够独立完成特定的任务。

文章称，过去50年间，在工业进程中担负起某项职责的机器人数量不断增加。2014年，韩国每1万名制造业工人中就有478个机器人，占比近5%；紧随其后的是日本，每1万名制造业工人中有315个机器人；排名第三的是德国，这一数字为292个。

那么，既然有那么多机器人在制造汽车、操作零部件和重金属，为什么在各个商店、酒店和我们的家中没有出现它们的身影呢？为什么我们还不能指望它们包揽所有家务呢？回答是，对一台机器来说，在未知领域进行操作并不容易。

文章称，目前多数工业机器人面对的仍是重复的作业，总的来说并不具备执行未作准备的任务的能力。在流水线上，机器人操作的零部件通常都在同一个位置、拥有同样的尺寸、操作方式也都完全相同。为了学会这一切，机器人只需知道应当以怎样的速度操作以及各个具体步骤。

让机器自己做决定

文章称，“机器人有改善人类生活的潜力。它们将能协助飞上火星的宇航员、住院的病人或工厂里的工人。”美国布朗大学计算机科学专家斯蒂芬妮·特雷克斯表示。传统程序能让机器人完成既定任务，但无法让它们有能力应对突发情况。为此，它们必须拥有理解周遭世界的能力，才能自主应对任何情况。

在垃圾处理行业中，已经存在专门回收可再生颗粒塑料瓶的机器，西班牙Sadako科技公司研发的人工智能机器人Wall-B就是其中之一，它的名字很容易让人联想起著名的科幻影片《机器人总动员》中的主角。这款机器人能够通过一个人工视觉系统分辨出所有废弃物中的可再生颗粒，该系统试图重现我们的眼睛在捕捉视觉信号时大脑的运行过程。

文章称，为此，Wall-B配备了多台摄像机和用以处理图像的人工智能算法。“可再生颗粒塑料瓶散落在各处，并且经常被压扁，与其他物品混杂在一起。”Sadako科技公司业务部门负责人贝伦·加尼卡表示。因此，Wall-B必须学会辨认出这些塑料瓶，并进行必要的操作来回收它们。类似机器人的出现有赖于目前非常热门的新学科“机器学习”。向机器人展示数以千计甚至百万计的案例，直至它们推断出某项行为。“也就是说，机器人不依靠任何特殊程序，而是通过经验进行学习。它们的知识随着完成每项任务、面对每个新事物和应对新情况而得到扩充。”马德里机器人专家卡洛斯·巴拉格尔指出。

社交网站脸书的面部识别系统就是基于此运行的。其中的算法利用了资料库中数以百万计的照片，参考身体姿势、脸部部分特征和其他线索，人脸识别准确率达到80%以上。

培训机器人自主学习

在“机器学习”的帮助下，机器人正在逐渐提高自主能力和拥有一定的推理能力。不过，想让它们帮助我们过上更舒适的生活，光靠人类手动建立的资料库还远远不够。为了加快机器人的学习进程，美国斯坦福大学的一个研究团队打造出了一个名为“机器人大脑”的项目，目的是机器人彼此间能够互相教授和学习。

文章称，“机器人大脑”就像是机器人世界里的谷歌搜索，机器人能够在其中找到自己所需的特定知识，而这些知识都是其他一些机器人已经获得的。例如，可以在“机器人大脑”中咨询如何抓住一个杯子或如何通过操作把手开门这样的问题。在下载了这些知识并运用于解决实际问题后，机器人再将自己的经验输入“机器人大脑”的数据库中。这样一来，下一个咨询相同问题的机器人就将得到更多的可用信息。“提供的数据越多，机器人的效率就越高。”该项目负责人、计算机科学专家阿舒托什·萨克塞纳表示。在他看来，机器人学习的难易还取决于环境，“如果程序员按照一个特定情况来训练机器人，那么它在出现变数时很可能运行不良”，萨克塞纳指出，“像制作玉米饼这样简单的任务需要考虑到十几个变量，也不会出现两块一样的玉米饼”。

不过，一旦一个机器人学会了如何操作才能不打破一个鸡蛋，这样的经验很可能还可以用在换灯泡中，当然后者还需要学会拧进和拧出等其他技能，但至少机器人已经知道该如何小心地抓住灯泡。萨克塞纳认为这样的知识共享将极大地增殖机器人的能力，其效应在未来10年内必将显现出来。麻省理工学院将其评为年度最突出的新兴技术之一。

美国在线购物网站亚马逊无疑是对提高机器人识别和操作技能最为感兴趣的企业之一。该公司巨大的仓库里堆积着无数各种形态和尺寸的货物等待着人们购买。一旦被人买下，操作员就必须尽快找到货物并进行打包。亚马逊深知这个过程对员工来说的低效率和浪费时间，因此组织了一场仓库搬运机器人大赛，参赛机器人必须完成找件、取件、打包25个不同类型的一系列动作。然而参赛的31个机器人无一能够成功完成所有指令。

文章称，这场竞赛表明，尽管机器人硬件已经非常先进，控制它的软件如果不能很好地了解周围情况也于事无补。“的确已经存在令人难以置信的机器人，但它们仍无法将能力发挥到极致，因为我们仍缺乏一些必要的算法。”谷歌人工智能研究项目带头人德米什·哈萨比斯指出。

谷歌的“阿尔法狗”机器人在今年3月战胜了韩国棋王李世石。在此前的训练中，“阿尔法狗”与自己对阵了数百万次。“始终没有感觉到占据上风。”李世石赛后这样表示。

“围棋是一种运算游戏，‘阿尔法狗’系统相比之下要复杂很多。”哈萨比斯表示。

很显然，谷歌的最终目标并不是让机器人在桌游领域技高一筹，亚马逊也无心让机器人游刃有余地操作抓娃娃机。说到底，这类项目是为了让人工智能拥有理解和应对世界的能力。

文章称，当然，人们离这个目标还有点远。现有的无人驾驶汽车已经接受了看懂交通信号灯的培训，但有时这些车辆仍会不停绕圈，因为还没有学会怎么从其中走出来，而这只是机器人面临的无数挑战中微不足道的一例。最大的挑战在于，机器人伙伴们尚未学会如何与我们和谐共处。