AI界 雲機器人來攪局

通常我們把機器人打造得像人，但是他們“大腦”的位置也得模仿人類嗎？“假設是這樣，機器人應該擁有所有的智能，” 豐田汽車研究所的CEO Gill Pratt在MIT會議上說。

事實證明，人格化的指令中心是低效的設計，尤其是從諸如雲計算的先進技術來看。人類之間資訊的傳遞通過語言和動作，顯然很慢。“我們隻有約一秒10bit的資訊速度，” Pratt說，“上次你檢查家裡的網際網路連接配接有多快時，我想應該是超過每秒10bit的。”

并非讓計算在機器人内發生，Pratt說，更有效的設計是雲機器人。機械大腦在雲上運作，以便其能利用更大的存儲、通信和計算能力。這樣做使自動化工業所涉及的如艦隊學習成為可能----當一個機器人學習了一些知識，雲能引發一個網絡效應，進而使所有機器人學習相同的知識，根據Pratt的說法。

人工智能（AI）已經從網際網路相關技術中受益。機器學習應用依賴由移動裝置、網際網路連接配接和社交媒體所建立的巨大的資料集。由于對數以億計的圖像的通路，比如，如今目辨別别技術正常運轉可以達到接近人類級别的準确性。“這些算法已經出來了十多年了，” Pratt說，“改變的是計算能力跟上了，資料跟上了，網際網路跟上了，然後突然，能展示這些算法有多好了。”

機器人領域通過雲機器人可以取得相似的進步，它有引起“能力超指數級增長”的潛能，Pratt說。解讀：當雲機器人生根，機器人領域會經曆比摩爾定律----晶片性能每18月翻番----所描繪的更快速度的增長。“它将會更像一個快照，” Pratt說，“突然，機器會非常擅長他們做的事情。”

傳感器vs. 地圖

MIT中斷時間會議的第一次專家小組讨論重點聚焦于設計5級自主交通工具，定義為能無人輔助駕駛到任何地方。

讨論的一部分是依賴傳感器vs.地圖。Google的Waymo将重心放在為其車輛開發非常精确的地圖。一輛車的傳感器會實時搜集資料，那些資料分層堆積在公司已經建立的預先存在的地圖上。傳感器-地圖允許“車能以10厘米的精确度知道自己在路上的位置，”根據Waymo部落格釋出内容。

但是Mobileye被Intel以1530億美金收購，它是使用在交通工具上的目辨別别技術以避免或者減輕碰撞，用位映射地圖并極大的依賴傳感器。“主要原理有些跟Google相反：它沒有非常精确、非常高密度地圖，但是有更多機器人傳感器，”Tomaso Poggio說，他是大腦、心理和機器中心的主管，也是MIT大腦和認知科學專業的教授，還是Mobileye的主管。

Poggio瞄準Mobileye與大衆、BMW和通用汽車的聯盟作為例子。車輛在路上配備Mobileye 技術衆包資料，譬如，實時。

TRI的Pratt說地圖是傳感器。“道路不會常常突然從一個地方移到另一處，”他指出，使地圖成為一個有價值的資料源。但是地圖不能因為建造或者洪水之類的而出錯。“我們使用地圖作為一個傳感器，并且我們認為像所有的傳感器一樣，它裡面可能會有一些噪音，”他說。

家庭機器人

TRI不僅用在自主運作的車輛上，它也發展家用機器人。“驅動我們在豐田汽車研究所的，主要是逐漸老齡化的社會，”Pratt說。15年内，20%的美國人會達到65歲甚至更老。在豐田汽車總部所處的日本，20%的人口已經65歲或更老；該比率将在20年後翻倍，他說。相似的動态全球都在發生。

“一個大問題，一個經濟問題，不僅是誰來照顧我們，還是當我們超過65歲時我們将住在哪裡，”Pratt說。輔助老年人人口增長的機器人可以幫助他們在他們自己的的房子裡呆的更久些。

但是，像自動駕駛車輛，建造在人旁邊操作的機器人需要多方面的努力。TRI敏感的細微差别之一是國與國之間存在的文化差别。

在日本，“家務活是高貴的藝術，”Pratt說。做家務到80、90歲甚至更老是值得驕傲的事。“可能機器人需要做的不是幫助你做家務，因為那正是你想要做的，”他說。但是在美國，美國人并不以同樣的角度看待做家務，他們會高興地交出除塵、打掃和吸塵的任務給機器。

Pratt的希望是機器學習和雲機器人的進步能使機器快速适應。“我們會快速找到人們想要機器做的事情，并且軟體會自然地擅長做這些事情，”他說。

專家說

“在第二個機器時代，不是我們的肌肉被機器擴大而是我們的心靈。”——Erik Brynjolfsson，麻省理工學院在數字經濟計劃的主管，兼MIT斯隆商學院Schussel家庭教授，兼國家經濟調查局的研究助理。

“當我看到一位母親和孩子在路邊，我會嘗試去判斷，他們會違反交通燈過馬路嗎，我做了一個跟看到倆個帶着滑闆的青少年無目的亂轉時完全不一樣的預測。AI能做多少來識别不同，并了解一個人可能橫穿馬路而另外一人不會？”——Gill Pratt，豐田汽車研究所CEO。

“從研究的觀點來看，從科學的觀點來看，這是非常難懂的，像如何深入學習和加強學習工作。但是還有其他事情，我們用過的算法，也被藏在代碼背後----以我們建造機器的方式藏着----那可以更加可見。”——Manuela Veloso，Herbert A. Simon大學教授，卡内基梅隆大學計算機科學學院。

“社會對待機器犯錯和人類犯錯的态度是不同的。”——John Leonard，Samuel C. Collins 機械和海洋工程教授，MIT機械工程專業。

原文釋出時間為： 2017年3月31日

本文來自雲栖社群合作夥伴至頂網，了解相關資訊可以關注至頂網。