2016年機器人發展五大趨勢

http://www.guyuehome.com/215

近些年來， Google、Microsoft和Facebook等幾大玩家都建立了自己的AI研發團隊，并取得了一些令人矚目的成果。

2015年11月9日，谷歌宣布TensorFlow開源，這是一個在GPU上進行快速梯度式機器學習的巨大資料庫。一些文章推測TensorFlow會帶來一場人工智能革命，稱谷歌的這一舉動很大膽，因為Torch(由Facebook人工智能實驗室的Ronan Collobert維護)已經提供了相似的深度學習開放資源，同時Yoshua Bengio教授的實驗室對Theano(深度學習領域的先驅，一個适合普通大衆的革命性軟體)已經進行了長期的維護開發。在Wired的一篇文章中，Cade Metz把TensorFlow描述成谷歌的”人工智能引擎“。

這篇文章講的是進行線性代數和求導計算的開源資料庫，甚至标題也十分誇張。許多其他新聞報道中，卻對谷歌把代碼設為公開資源感到驚詫。從更加技術的一方來看，從誇張的贊揚到潑冷水，各種反響都有。Soumith Chintala釋出了一套應對所有競争軟體包的标準，為人們提供了一種定量的評價，它顯示TensorFlow的首個版本落後于Torch和Caffe，特别在卷積神經網絡方面。

神經網絡使用硬體和軟體搭建出了類似于人腦的神經元網絡，這可以追溯到上世紀80年代，但直到2012年，Krizhevsky和Hinton才開始發明在圖形處理器（GPU）上運作神經網絡的技術。GPU原本是為遊戲和其它高性能圖像軟體設計的專用處理晶片，但事實證明，它們也非常适合驅動神經網絡。

谷歌、Facebook、Twitter、微軟和其它許多公司現在都使用GPU驅動的人工智能來處理圖像識别等多種任務，包括網際網路搜尋和安全應用等。Krizhevsky和Hinton後來加入了谷歌。

微軟的一個研究團隊設計了一個遠比“典型設計”複雜的神經網絡，該網絡能夠進行多達152層的複雜數學運算，而典型設計一般隻有六到七層。這預示着未來幾年，微軟這樣的公司将能使用GPU及其它專用晶片的龐大叢集來極大提升包括圖像識别在内的各種各樣的人工智能服務，包括識别語音甚至了解人類自然表達的口語。但是建造這樣的大型神經網絡是極其困難的。

為了确定每一層的工作模式以及與其它層的通信方式，需要将不同的特定算法部署到每一層上，但這卻是一個極其艱難的任務。但微軟在這裡也有技巧。他們設計了一個能夠幫助他們建造這些網絡的計算系統。研究人員可以識别一些可能有用的大型神經網絡部署方式，然後該計算系統可以在一系列的可能性上對此進行循環計算，直到确定出最佳選擇。

據深度學習創業公司Skymind的首席研究專家Adam Gibson介紹，類似的做法現在越來越普遍。這被稱為“超參數優化”（hyper parameter optimization）。

他說：”人們可以讓一群機器跑起來，一次運作10個模型，然後找出最好的那個使用就行了。他們可以輸入一些基本參數（基于直覺确定），然後機器在此基礎上确定什麼才是最好的解決方案。“Gibson說，去年Twitter收購的一家公司Whetlab就提供了類似的”優化“神經網絡的方法。

預計2016年将會是機器情緒識别的分水嶺，而且情緒會成為我們與機器互動的強有力的新通道，并且由于照相機技術和計算機視覺算法的發展，未來機器通過我們人類的面部表情、眼動方式、肢體語言、說話方式甚至擡頭等了解我們的能力會大大提高。

卡耐基梅隆大學機器人研究所的Fernando De la Torre發明了特别強大的面部識别軟體，被稱作 IntraFace。他的團隊采用機器學習的方法來教IntraFace如何以一種适用于大多數面孔的方式來識别和追蹤面部表情。然後他們建立了個性化算法能夠讓軟體對個人進行情感表達分析。不僅準确，而且高效，該軟體甚至能在手機上運作。

未來機器能更加了解我們的情緒，我們與機器的互動也會變得更加豐富。卡耐基梅隆大學的Justine Cassell研究虛拟同伴在教育行業的應用，她發現當虛拟同伴能對學生們的情緒狀态做出适當反應，甚至在某些場合嘲笑他們時，學生們會更積極地參與也會學得更好。不難想象商業領域會多麼喜歡用這個功能，廣告人、營銷人以及電影制片人能得到客戶群體更為具體的資訊。

在醫療與AI的結合方面，目前醫生問診的依據主要是病人當次檢查留下的醫學影像資訊，而在确診時幾乎忽略了既往病史、家族病史和測試結果的影響。但試想一下，如果病人的各項身體資料都可以被實時地、連續地記錄，并且有一個足夠智能的醫療診斷系統可以将這些資料與全世界範圍内有相似症狀病人的資料進行比較，在此基礎上加以目前臨床醫學的研究和指導，綜合給出診斷建議的話，是不是會精确和科學許多？

一家名為Sentrian的生物傳感器研究公司已經研發出可以完成上述操作的醫療系統。該公司總部位于美國佛羅裡達州，緻力于機器學習的相關研究，目前該智能醫療系統已進入臨床測試階段。他們希望建立一個讓醫生實時關注病人身體資料，進而做出具有更好、更早、更加個性化診斷方案的醫療系統。

現在利用無線生物傳感器可以收集一些簡單或者較為複雜的身體資訊，例如體溫，心率，血氧飽和度和血鉀含量等等。通常，每名遠端病人每次隻佩戴一至兩個傳感器，他們的資料就可以被醫生直接分析。如果病人持續佩戴多個傳感器，産生的資料就會非常龐大。

Sentrian公司的醫療系統收集完病人資料後利用機器學習算法進行分析。該系統内包含慢性疾病（包括心髒病，糖尿病，慢性阻塞性肺疾病等等）的身體資料變化資訊，病人的資訊将會與這些資訊進行比對比較，系統通過觀察細微的關聯進行早期确診。心率、血壓、血氧飽和度等資訊也會被傳至雲端進行分析，在必要時通知醫生。

2016年，值得期待的5大機器人發展趨勢：

1

中國的機器人變革國内已經開始着手嘗試在工廠中使用先進的制造型機器人了。政府希望在全球勞工薪資上漲、制造業變得更有效率、技術更為先進的情況下，這樣能夠幫助維持中國制造業的龍頭地位。這就要求更加先進、成本效益更高的機器人。廣東省已經決定投資1540億美元來安裝機器人。富士康創始人郭台銘也表示，在接下來幾年裡，他們将會安裝超過100萬台的機器人。

2

機器人會更加智能的學習。在深度學習技術的支援下，我們可以訓練機器人觀看、抓取和推理，相信它們的學習能力會越來越強大。

3

機器人之間的知識共享。今年值得期待的另一趨勢就是機器人彼此分享它們擷取的知識。一旦機器人能夠從其他機器人的工作中擷取利益，就會加速學習過程。即使兩個完全不同的機器人也能夠教會彼此如何識别一個特定物體或執行一項新任務。讓工業機器人通過網際網路學習識别或抓取不同物體，絕對會有非常大的想象空間。

4

機器人會擁有更多的個性化元素。無人機時代。2016年很可能會成為無人機能夠大量上天的一年。PS.無人機+全景相機+VR頭顯真是絕配啊。

5

在開發基于人工智能平台的應用程式方面，會有很多初創公司的機會。