西班牙《趣味》月刊8月號刊登題為《如何訓練你的機器人》的文章稱，這個時代的機器人革命已經(jīng)發(fā)展到什么階段了？從幾十年前開始，無數(shù)科學家和科幻小說家就預測人類在未來將與機器人共同生活，它們能夠理解人們，使我們的生活更便利。

　　文章稱，但事實上，盡管有越來越多的機器人能夠說話和完成各種各樣的任務，目前唯一真正進入我們生活的似乎只有飛碟型的掃地機器人。

不知疲倦的高危行業(yè)工作者

　　文章稱，自上世紀60年代人類歷史上第一臺工業(yè)機器人“尤尼梅特”誕生以來，該領域的發(fā)展從未停止。近半個世紀以來，機器人的性能及其與人類之間的合作一直在不斷完善。如果說人們?nèi)晕戳晳T在日常生活中看到它們，主要是因為它們都在工廠中孜孜不倦地工作。“尤尼梅特”是一條重達2000公斤的機械手臂，其主要任務是搬運大塊熱金屬并進行焊接，這樣的工作對操作人員來說風險太高。

　　這是首次由機器人完全代替人類進行作業(yè)。牽引機和收割機等工業(yè)革命帶來的技術(shù)成果減少了員工的數(shù)量，但并未使他們完全消失，因為這些機器仍需由人來操作和監(jiān)控。而“尤尼梅特”不是一臺簡單的機器，它能夠獨立完成特定的任務。

　　文章稱，過去50年間，在工業(yè)進程中擔負起某項職責的機器人數(shù)量不斷增加。2014年，韓國每1萬名制造業(yè)工人中就有478個機器人，占比近5%；緊隨其后的是日本，每1萬名制造業(yè)工人中有315個機器人；排名第三的是德國，這一數(shù)字為292個。

　　那么，既然有那么多機器人在制造汽車、操作零部件和重金屬，為什么在各個商店、酒店和我們的家中沒有出現(xiàn)它們的身影呢？為什么我們還不能指望它們包攬所有家務呢？回答是，對一臺機器來說，在未知領域進行操作并不容易。

　　文章稱，目前多數(shù)工業(yè)機器人面對的仍是重復的作業(yè)，總的來說并不具備執(zhí)行未作準備的任務的能力。在流水線上，機器人操作的零部件通常都在同一個位置、擁有同樣的尺寸、操作方式也都完全相同。為了學會這一切，機器人只需知道應當以怎樣的速度操作以及各個具體步驟。

　　讓機器自己做決定

　　文章稱，“機器人有改善人類生活的潛力。它們將能協(xié)助飛上火星的宇航員、住院的病人或工廠里的工人。”美國布朗大學計算機科學專家斯蒂芬妮·特雷克斯表示。傳統(tǒng)程序能讓機器人完成既定任務，但無法讓它們有能力應對突發(fā)情況。為此，它們必須擁有理解周遭世界的能力，才能自主應對任何情況。

　　在垃圾處理行業(yè)中，已經(jīng)存在專門回收可再生顆粒塑料瓶的機器，西班牙Sadako科技公司研發(fā)的人工智能機器人Wall-B就是其中之一，它的名字很容易讓人聯(lián)想起著名的科幻影片《機器人總動員》中的主角。這款機器人能夠通過一個人工視覺系統(tǒng)分辨出所有廢棄物中的可再生顆粒，該系統(tǒng)試圖重現(xiàn)我們的眼睛在捕捉視覺信號時大腦的運行過程。

　　文章稱，為此，Wall-B配備了多臺攝像機和用以處理圖像的人工智能算法?！翱稍偕w粒塑料瓶散落在各處，并且經(jīng)常被壓扁，與其他物品混雜在一起?！盨adako科技公司業(yè)務部門負責人貝倫·加尼卡表示。因此，Wall-B必須學會辨認出這些塑料瓶，并進行必要的操作來回收它們。類似機器人的出現(xiàn)有賴于目前非常熱門的新學科“機器學習”。向機器人展示數(shù)以千計甚至百萬計的案例，直至它們推斷出某項行為?！耙簿褪钦f，機器人不依靠任何特殊程序，而是通過經(jīng)驗進行學習。它們的知識隨著完成每項任務、面對每個新事物和應對新情況而得到擴充?！瘪R德里機器人專家卡洛斯·巴拉格爾指出。

　　社交網(wǎng)站臉書的面部識別系統(tǒng)就是基于此運行的。其中的算法利用了資料庫中數(shù)以百萬計的照片，參考身體姿勢、臉部部分特征和其他線索，人臉識別準確率達到80%以上。

　　培訓機器人自主學習

　　在“機器學習”的幫助下，機器人正在逐漸提高自主能力和擁有一定的推理能力。不過，想讓它們幫助我們過上更舒適的生活，光靠人類手動建立的資料庫還遠遠不夠。為了加快機器人的學習進程，美國斯坦福大學的一個研究團隊打造出了一個名為“機器人大腦”的項目，目的是機器人彼此間能夠互相教授和學習。

　　文章稱，“機器人大腦”就像是機器人世界里的谷歌搜索，機器人能夠在其中找到自己所需的特定知識，而這些知識都是其他一些機器人已經(jīng)獲得的。例如，可以在“機器人大腦”中咨詢?nèi)绾巫プ∫粋€杯子或如何通過操作把手開門這樣的問題。在下載了這些知識并運用于解決實際問題后，機器人再將自己的經(jīng)驗輸入“機器人大腦”的數(shù)據(jù)庫中。這樣一來，下一個咨詢相同問題的機器人就將得到更多的可用信息?！疤峁┑臄?shù)據(jù)越多，機器人的效率就越高?！痹擁椖控撠熑恕⒂嬎銠C科學專家阿舒托什·薩克塞納表示。在他看來，機器人學習的難易還取決于環(huán)境，“如果程序員按照一個特定情況來訓練機器人，那么它在出現(xiàn)變數(shù)時很可能運行不良”，薩克塞納指出，“像制作玉米餅這樣簡單的任務需要考慮到十幾個變量，也不會出現(xiàn)兩塊一樣的玉米餅”。

　　不過，一旦一個機器人學會了如何操作才能不打破一個雞蛋，這樣的經(jīng)驗很可能還可以用在換燈泡中，當然后者還需要學會擰進和擰出等其他技能，但至少機器人已經(jīng)知道該如何小心地抓住燈泡。薩克塞納認為這樣的知識共享將極大地增殖機器人的能力，其效應在未來10年內(nèi)必將顯現(xiàn)出來。麻省理工學院將其評為年度最突出的新興技術(shù)之一。

　　美國在線購物網(wǎng)站亞馬遜無疑是對提高機器人識別和操作技能最為感興趣的企業(yè)之一。該公司巨大的倉庫里堆積著無數(shù)各種形態(tài)和尺寸的貨物等待著人們購買。一旦被人買下，操作員就必須盡快找到貨物并進行打包。亞馬遜深知這個過程對員工來說的低效率和浪費時間，因此組織了一場倉庫搬運機器人大賽，參賽機器人必須完成找件、取件、打包25個不同類型的一系列動作。然而參賽的31個機器人無一能夠成功完成所有指令。

　　文章稱，這場競賽表明，盡管機器人硬件已經(jīng)非常先進，控制它的軟件如果不能很好地了解周圍情況也于事無補?！暗拇_已經(jīng)存在令人難以置信的機器人，但它們?nèi)詿o法將能力發(fā)揮到極致，因為我們?nèi)匀狈σ恍┍匾乃惴??！惫雀枞斯ぶ悄苎芯宽椖繋ь^人德米什·哈薩比斯指出。

　　谷歌的“阿爾法狗”機器人在今年3月戰(zhàn)勝了韓國棋王李世石。在此前的訓練中，“阿爾法狗”與自己對陣了數(shù)百萬次?！笆冀K沒有感覺到占據(jù)上風?！崩钍朗惡筮@樣表示。
　
　　“圍棋是一種運算游戲，‘阿爾法狗’系統(tǒng)相比之下要復雜很多?！惫_比斯表示。

　　很顯然，谷歌的最終目標并不是讓機器人在桌游領域技高一籌，亞馬遜也無心讓機器人游刃有余地操作抓娃娃機。說到底，這類項目是為了讓人工智能擁有理解和應對世界的能力。

　　文章稱，當然，人們離這個目標還有點遠?，F(xiàn)有的無人駕駛汽車已經(jīng)接受了看懂交通信號燈的培訓，但有時這些車輛仍會不停繞圈，因為還沒有學會怎么從其中走出來，而這只是機器人面臨的無數(shù)挑戰(zhàn)中微不足道的一例。最大的挑戰(zhàn)在于，機器人伙伴們尚未學會如何與我們和諧共處。（編譯/韓超）