首頁 > 說到機器人和自動化，很多人腦里可能會立刻浮現(xiàn)一些生產(chǎn)線，比如汽車工廠的情景——一群機器人既高效又精確地執(zhí)行任務(wù)，一天到晚不知疲倦，表現(xiàn)驚人。
但若仔細(xì)一想，本質(zhì)上，這些傳統(tǒng)機器人只是在重復(fù)一遍又一遍相同的動作。而事實是，現(xiàn)實世界中的絕大部分任務(wù)，都要求我們對眼前的情況做出即時的調(diào)整。
一個能超越重復(fù)性、根據(jù)情況調(diào)整和思考的機器人，什么時候能夠面世?
AI機器人何時才能出現(xiàn)？
對這個問題，很多科幻電影都做出了回應(yīng)。
《未來戰(zhàn)士》中，這些AI機器人來自未來，《西部世界》則遐想了它們將悄悄出現(xiàn)在我們身邊。這些想象衍生出了一連串人工智能可能出現(xiàn)的未來場景，有的駭人聽聞，有的振奮人心。
但從現(xiàn)實技術(shù)的層面來說，它未來的切入點究竟在哪里？實際上，它已經(jīng)發(fā)生了——人工智能機器人已經(jīng)不動聲色地進(jìn)入了人類世界，并創(chuàng)造了價值。
那就是自主揀貨。
幾年前，這還是天方夜譚；但2020年1月，《紐約時報》就報道了由Covariant Brain公司制造的Knapp pick-it-easy機器人，靜悄悄地在某個低調(diào)的倉庫中，自主分揀訂單。
相對于傳統(tǒng)機器人，pick-it-easy面對的，是不斷在流水線中運轉(zhuǎn)的，超過6萬種的林林總總的貨物。它過去從未見過這些貨物，未來也會持續(xù)地見到其他新的貨物及組合——無論面前是什么，它需要反復(fù)識別，并一再調(diào)整自己的動作，做出決策——從哪提取、到哪卸放。
這是史上第一宗AI機器人的實例報導(dǎo)，一段長達(dá)一小時、連續(xù)無刪減的視頻，真實完整的向世人完整展示了機器人的運作流程：遇到什么問題，并如何調(diào)整。
AI機器人的自動化，不但已經(jīng)發(fā)生，而且越來越重要。默默工作的過程中，它們正持續(xù)地累積經(jīng)驗，從經(jīng)驗中自我學(xué)習(xí)，一步步完善化。未來，我們將從沉悶的倉庫，拓展出更多閃亮的應(yīng)用場景。
為什么AI機器人很難做？
這樣的機器人，技術(shù)難點究竟在哪里？
第一，識別
這個過程的程序要怎么寫？并不是我們想象的那么簡單，因為機器不認(rèn)識圖片或文字，只能識別數(shù)字。
（計算機將圖片像素轉(zhuǎn)化為數(shù)字）
幾十年來，計算機視覺領(lǐng)域通過視覺技術(shù)嘗試讓機器了解圖像中的內(nèi)容，但都沒有成功。直到2012年，多倫多大學(xué)Geoffrey Hinton團(tuán)隊向世界展示了能以高準(zhǔn)確度識別圖像的機器。
那他們是怎么辦到的呢？方法就是簡單粗暴地問機器：圖像里有什么。他們把問題分解成一系列的計算，最后導(dǎo)出圖像中的內(nèi)容。這一系列的計算，就是深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network；DNN）。
神經(jīng)網(wǎng)絡(luò)由非常多的人造神經(jīng)元組成。單獨來看，每個神經(jīng)元都做著簡單的工作：接收信號、生成信號、輸出信號，但合在一起，它們可以完成非常復(fù)雜、高階的反應(yīng)。
至于這些反應(yīng)是什么，取決于這些神經(jīng)元如何連結(jié)，以及連結(jié)有多強，尤其后者。隨著這些神經(jīng)元連接強度的不同變化，系統(tǒng)會做出不同的決定：“這是貓、狗、人或車……”
這樣一來，識別圖像的問題，就從“計算機視覺的分辨問題”，簡化成了“神經(jīng)元連接強度的調(diào)整問題”。但直接手動調(diào)整是不可行的，因為當(dāng)中涉及了數(shù)以百萬計的神經(jīng)元需要調(diào)整。
那我們要怎樣找到正確的設(shè)置？——給神經(jīng)網(wǎng)絡(luò)“投喂”足夠多的例子，讓它在猜測中學(xué)習(xí)。
一開始的猜測固然完全隨機，但隨著每一次失敗，系統(tǒng)往回追溯，修改神經(jīng)元之間的權(quán)重（連結(jié)強度），把系統(tǒng)一步步推向正確的結(jié)果。周而復(fù)始，最后神奇的事發(fā)生了，機器能分辨出圖像中的內(nèi)容了。
在這個方法下，機器分辨得有多好？
在圖像識別領(lǐng)域里，曾有個ImageNet國際挑戰(zhàn)賽，2010年，最佳成績約28%誤差率，2011年也基本維持在相同水平線上，沒有太大突破。2012年，Geoffrey采取了深度神經(jīng)網(wǎng)絡(luò)，將誤差率一舉降低到約15%，向前邁進(jìn)了一大步。
（從2010~2016年，各算法在圖像識別的錯誤率）
隨后幾年，人們在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行修改，機器的誤差率逐年下降，甚至超越了人類。如今，這個比賽已經(jīng)徹底退出了歷史舞臺。
第二，行動
機器不但需要識別，還需要行動。如何讓系統(tǒng)做出正確的行動決策？
2015年，DeepMind攻克了圍棋，打敗了世界冠軍棋手。本來人們還以為這需要數(shù)十年的時間，但一夜之間就實現(xiàn)了。
DeepMind編了一個神經(jīng)網(wǎng)絡(luò)，自己和自己下棋——為求簡化，這里說的是2017年的版本，AlphaGoZero——在每一盤自我對弈中摸索、試錯、學(xué)習(xí)，越變越好，最后戰(zhàn)勝棋手。
不單是圍棋，其他游戲也被機器用同樣的方式攻克了。
和識別不同的是，識別是單一步驟的事情，我們讓系統(tǒng)去判斷一張圖是狗還是其他動物；而行動則不一樣，你并沒有告訴系統(tǒng)每一步該做什么。它只知道最后的結(jié)果是贏或輸，然后從結(jié)果中自我改善。
具體來說，他們在贏（或輸）的局面中找出共同點，在贏和輸之間揪出差異，把它們分解出來。這就是強化學(xué)習(xí)（Reinforcement Learning；RL）。
而深度強化學(xué)習(xí)，是在強化學(xué)習(xí)模式下搭配一個神經(jīng)網(wǎng)絡(luò)吸收經(jīng)驗，根據(jù)每一段經(jīng)驗改變神經(jīng)元的權(quán)重。
顯然，除了棋牌和游戲，這個原理也適用于機器操作。
加利福尼亞大學(xué)伯克利分校通過類似的神經(jīng)網(wǎng)絡(luò)，編寫了一個虛擬機器人，最開始半步都跨不出，后來踉踉蹌蹌，一直自我訓(xùn)練到能維持長時間奔跑的狀態(tài)。我第一次看見的時候，心里激動不已。
值得一提的是，這個程序可以重復(fù)在別的場合使用，即便是不一樣的機器人、不一樣的任務(wù)。事實上，加利福尼亞大學(xué)伯克利分校在這個實驗中就賦能了機器人一系列的任務(wù)，比如翻跟斗、跨越障礙、高處跳落等等。
接著，他們將這個虛擬程序安裝到實際的機器人上，由此制造出機器人BRETT，讓它將積木放到匹配的空位當(dāng)中。要完成這項任務(wù)，它需要學(xué)習(xí)視覺識別系統(tǒng)，以及行為控制系統(tǒng)。
一開始，它完全不知道該怎么做，但隨著每一次偶爾的成功，系統(tǒng)內(nèi)不斷進(jìn)行強化，最終達(dá)到了能可靠完成任務(wù)的水平。
如果能搭配一個機器人艦隊，一起學(xué)習(xí)、共享神經(jīng)網(wǎng)絡(luò)，這個過程還能變得更簡單、更快速。
AI機器人為什么還沒普及？
看起來，這一切已經(jīng)萬事俱備，只要把研究的成功復(fù)刻到現(xiàn)實，一切就會很完美。但直到今天，AI機器人依舊沒有普及，差的東風(fēng)在哪里？
值得注意的是，上述的成功都發(fā)生在虛擬或?qū)嶒炇业难芯繄鼍?，而并非現(xiàn)實應(yīng)用。
在實驗室的研究中，研究人員專注的是從無到有、從0到1的過程，做一些過去沒做過的事，對精準(zhǔn)度的要求不高，往往是達(dá)到70%就會轉(zhuǎn)到下一個指標(biāo)。
但在現(xiàn)實中，我們對可靠性的要求完全不是一個等級。很多時候，精準(zhǔn)度到90%都不足夠。
以一個工廠實際場景為例，一個機器人每小時負(fù)責(zé)500~2000個任務(wù)，90%的準(zhǔn)確率意味著每小時有50~200個需要修正的錯漏。一般而言，修正比任務(wù)本身所花費的功夫還更大；換句話說，在90%準(zhǔn)確率下，機器人帶來的麻煩比省下的時間還多。
就現(xiàn)實而言，機器人真正價值的體現(xiàn)，是當(dāng)它們每小時只需要人類1~2次的干預(yù)；如此一來，人類就可以同時監(jiān)督多處的多個機器人。這就意味著如果一個機器人負(fù)責(zé)500個任務(wù)，準(zhǔn)確率必須在99.6以上；如果負(fù)責(zé)2000個任務(wù)，準(zhǔn)確率則必須在99.9以上。
可見，這是和實驗室的研究場景迥然不同的要求。
這時，有些人可能會想：這還不容易，建更大的神經(jīng)網(wǎng)絡(luò)、提供更多的經(jīng)驗數(shù)據(jù)，不斷重復(fù)，不就行了？
如果是識別圖像、識別字符之類的任務(wù)，這思路是可行的，因為任務(wù)本身比較單一，搜取更多的數(shù)據(jù)去提高精準(zhǔn)度是可以辦到的。但現(xiàn)實中我們希望讓機器人處理的場景，比這些任務(wù)多更多的額外細(xì)節(jié)需要處理。
首先，系統(tǒng)不能夠忽視世界的長尾效應(yīng)。我們身處的世界，是一個高變化、大方差的環(huán)境。
在ImageNet識別測驗里，系統(tǒng)僅僅是分辨一千個圖；但在現(xiàn)實世界中，系統(tǒng)有百萬、千萬種物品需要辨識，同時還存在著程度不一的透明及反光視效，有些則極其凌亂，和不同的物體視覺混雜在一起等等。
其次，系統(tǒng)不能夠忽視世界的動態(tài)本質(zhì)。
學(xué)會奔跑的加利福尼亞大學(xué)伯克利分校的虛擬機器人，它的環(huán)境設(shè)定是不變的；可是現(xiàn)實世界，比如在一個貨倉里，人來人去，每個人卸包裹、拆包裹的方式、位置都持續(xù)在變化?，F(xiàn)實經(jīng)常處于一個高速的動態(tài)環(huán)境中，而遠(yuǎn)不像機器訓(xùn)練時的靜態(tài)環(huán)境。
另外，系統(tǒng)不能夠忽視自己的無知時刻。
當(dāng)系統(tǒng)遇到它不知道或不確定的情況，它必須知道自己不知道，轉(zhuǎn)而求助于備份方案，比如交由其他熟悉的人處理等，而不是強行做出某個決策。
AI機器人下一個應(yīng)用場景在哪？
無人機、自動駕駛、機械手，誰更有可能成為下一個實現(xiàn)的夢境？表面看來，無人機似乎最難，因為人類不會飛——但事實恰好相反。
無人機面對的場景相對簡單，因為本質(zhì)上它只是在空曠的空間里穿梭，直到到達(dá)某個目的地。當(dāng)然，它也會遇到一些突發(fā)狀況，比如附近出現(xiàn)一些移動物體，導(dǎo)致它忽然處于一個復(fù)雜的動態(tài)環(huán)境。但以實際的應(yīng)用場景來說，真正的難點還是在于政府對領(lǐng)空的管轄，以及硬件質(zhì)量的配合，而不是在于更聰明的人工智能。
至于自動駕駛和機械手，單從技術(shù)層面看，自動駕駛其實更簡單。因為駕駛最主要的在于閃避危險，無需和環(huán)境互動；而機械手則需要接觸物體，和物件進(jìn)行互動，這又增加了一個維度的復(fù)雜性。
然而，從犯錯代價的角度，自動駕駛一旦出現(xiàn)失誤，最壞的情況可能是丟了性命，而在快遞領(lǐng)域，失誤頂多意味著送錯或送不到。機械手也是類似，至少不是性命攸關(guān)。
所以，自動駕駛雖然是現(xiàn)在萬眾矚目、眾望所歸的領(lǐng)域，我相信不會是第一波人工智能機器人付諸實現(xiàn)的應(yīng)用場景。
總的來說，2020年，是人工智能機器人的元年——你或許還沒看見，但它已經(jīng)在倉庫里無聲啟動。
文章來源：高山書院
