|
多樣性vs.奇點 Goldberg說，大部分恐懼主要源于奇點，屆時AI和機器人將超越人類智能。與其擔(dān)心遙不可及的奇點，他建議我們多關(guān)注多樣性，即人與機器人協(xié)作解決問題及創(chuàng)新。 搜索引擎，社交媒體平臺的后端，以及電影觀眾，購物者和度假者的許多應(yīng)用程序已經(jīng)出現(xiàn)了多樣性。當(dāng)我們與AI支持的服務(wù)交互時，每次點擊或查看都會發(fā)出一個關(guān)于我們的興趣，喜好和意圖的信號。獎勵？更好的結(jié)果與我們的偏好一致，并更好地預(yù)測我們接下來可能要做的事情。這是一個相互依存的關(guān)系。每個人都需要改善。而且互動越多樣化，他們（我們）就變得越全面。 從研究到現(xiàn)實世界 從實驗室到AI在現(xiàn)實世界中的應(yīng)用，多樣性是非常重要的。另一位致力于將人工智能帶到工業(yè)世界的專家，也強調(diào)人類和機器共同工作的重要性。 Pieter Abbeel表示，“這是挑戰(zhàn)的一部分。人類如何能夠利用這項技術(shù)，并利用它來使自己變得更加智能，而不僅僅是將這些機器與我們分開？當(dāng)機器是我們?nèi)粘Ｉ畹囊徊糠謺r，我們可以利用自己的力量來提高自己的生產(chǎn)力，這真是令人興奮?！?（2010年， Abbeel的研究團隊發(fā)布了一個機器人折疊洗衣機的視頻時，每個人都非常興奮）。 Abbeel是加州大學(xué)伯克利分校機器人深度強化學(xué)習(xí)的先驅(qū)，電機工程和計算機科學(xué)系教授，也是機器人學(xué)習(xí)實驗室主任。2011年，他登上了《麻省理工科技評論》評選的全球35位35歲以下創(chuàng)新者榜單。Abbeel是Embodied Intelligence的總裁兼首席科學(xué)家，這是他最近在加州埃默里維爾（Emeryville）聯(lián)合創(chuàng)辦的一家創(chuàng)業(yè)公司，該公司正在開發(fā)人工智能軟件，可以讓機器人自己學(xué)習(xí)新的技能。
他也對AI的前景感到興奮，但認為需要謹慎。 Abbeel表示，“我認為AI領(lǐng)域有很大的進步，因此感到非常興奮。關(guān)于恐懼，我認為應(yīng)該記住，像語音識別、機器翻譯和識別圖像內(nèi)容等最突出進展的例子就是所謂的監(jiān)督學(xué)習(xí)，” Abbeel說，理解正在構(gòu)建的不同類型的AI是很重要的。在機器學(xué)習(xí)中，有三種主要類型的學(xué)習(xí)：監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。 他解釋道，“監(jiān)督學(xué)習(xí)只是模式識別。從語音到文本，或者從一種語言到另一種語言的轉(zhuǎn)換，這是一個非常困難的模式識別。用英語告訴它一些東西，它會告訴你中文是什么。跟它說幾句話，它會將其轉(zhuǎn)換成文字序列。這只是模式匹配。你給它輸入圖像和標(biāo)簽等數(shù)據(jù)，它將學(xué)習(xí)你從圖像得到標(biāo)簽的方式。” Abbeel 還指出，“無監(jiān)督學(xué)習(xí)是你只給它輸入圖像，而沒有標(biāo)簽。你希望從看到很多圖像開始了解這個世界趨向于什么樣子，然后通過建立這種理解，也許在將來它可以更快地學(xué)習(xí)其他東西。無監(jiān)督學(xué)習(xí)沒有任務(wù)，只是給它提供大量的數(shù)據(jù)（就像Google用很多貓做的那樣）。” “還有強化學(xué)習(xí)，這是非常不同的，更有趣的，但更難（強化學(xué)習(xí)是自動駕駛汽車技術(shù)進步的保證）。當(dāng)你給你的系統(tǒng)一個目標(biāo)，它可能是電子游戲中的高分，或者贏得一盤棋，或者兩個部分組合，這就是一些恐懼可以證明的地方。如果AI得到的是錯誤的目標(biāo)，會發(fā)生什么？目標(biāo)應(yīng)該是什么？” 這就是為什么人類和人工智能不會在真空中進化的重要原因。當(dāng)我們構(gòu)建更智能的機器時，我們的人類能力將得到增強。 Abbeel表示，“讓我非常興奮的是，我們在Embodied Intelligence的最近研究成果表明，AI已經(jīng)能理解他們看到的圖片。不是人類層面的理解，但相當(dāng)好。如果計算機能真正理解圖像中的內(nèi)容，或許它可以拿起兩件物品并將他們組裝在一起?；蛘咚梢酝ㄟ^包裝來分類，或從貨架上挑選東西。在我看來，在不久的將來，一個巨大的變化是依賴理解相機的饋送內(nèi)容來完成任務(wù)即將成為現(xiàn)實。” 到底什么是AI 人工智能已經(jīng)成為一個營銷口號。就像之前的機器人一樣，現(xiàn)在一切似乎都是人工智能。有時候人工智能是什么不是什么很難界定，甚至連專家都會猶豫不決。正如Brooks指出的那樣，上世紀(jì)60年代被認為是人工智能的課程，現(xiàn)在是計算機編程的第一課，但那不叫AI。 Brooks表示，“某個時候稱為AI的，后來可能又變成了計算機科學(xué)?！?/p> 機器學(xué)習(xí)及其所有變體，包括深度學(xué)習(xí)、強化學(xué)習(xí)和模仿學(xué)習(xí)，都是AI的子集。 Goldberg解釋說，“人工智能在一段時間內(nèi)是一個非常狹窄的領(lǐng)域，有些人在一套基于搜索的技術(shù)方面非常具體?，F(xiàn)在人們普遍認為人工智能是機器人和機器學(xué)習(xí)的一個總稱，所以現(xiàn)在人們已經(jīng)把它作為一個整體的子領(lǐng)域?！?/p> 計算機視覺的高級形式是AI的一種形式。 Goldberg表示，“如果你只是檢查一個螺釘是否在正確的位置，那么從上世紀(jì)60年代以來我們就已經(jīng)擁有了這種功能。但與此同時，一個能夠識別工人臉部的計算機視覺系統(tǒng)，我們通常把它想象成AI，這是一個非常復(fù)雜的挑戰(zhàn)?！?/p> 機器人抓取的深度學(xué)習(xí) Goldberg的AUTOLAB專注于人工智能十多年，將其應(yīng)用于云機器人項目，深度強化學(xué)習(xí)，示范學(xué)習(xí)以及對倉庫物流，家庭機器人和手術(shù)機器人的強大機器人抓取和操縱。 該實驗室的敏捷網(wǎng)絡(luò)（DEX NET）項目已經(jīng)表明，通過饋送數(shù)以百萬計的3D對象模型、圖像，以及它們掌握的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的度量標(biāo)準(zhǔn)，AI可以幫助機器人學(xué)習(xí)不同大小和形狀的物體。以前，機器人可以通過反復(fù)練習(xí)學(xué)習(xí)如何掌握和操作不同的物體，這是一個非常耗時的過程。利用合成點云代替物理對象訓(xùn)練神經(jīng)網(wǎng)絡(luò)識別魯棒抓取，最新迭代的DEX網(wǎng)絡(luò)效率更高，達到99%的精確抓取率。 據(jù)了解，ABB的YuMi機器人可以操縱各種不同類型的物體，包括此前從未見過的，就是在Dex-Bet 2.0的輔助下完成的。神經(jīng)網(wǎng)絡(luò)根據(jù)先前相似形狀物體的經(jīng)驗學(xué)習(xí)如何抓取新物體。
從長遠來看，Goldberg希望開發(fā)出高度可靠的機器人，能夠抓住各種剛性物體，如工具、家居用品、包裝物品和工業(yè)零件。 他對可以在不同機器人類型上工作的算法也非常感興趣。這個實驗室的研究是由一些巨頭贊助的，包括谷歌、亞馬遜、豐田、英特爾、歐特克、思科和西門子。 大數(shù)據(jù) 美國職業(yè)橄欖球大聯(lián)盟也在使用AI技術(shù)，任何觀看過NFL賽事或賽前和賽后節(jié)目的人可能已經(jīng)留意到。隨著2018年超級碗日趨臨近，Brooks提供了另外一個AI的例子，星期天可能會有許多“沙發(fā)土豆”。 上世紀(jì)90年代后期，卡內(nèi)基梅隆大學(xué)機器人和計算機視覺方面的世界知名研究人員Takeo Kanade共同開發(fā)了一個由機器人相機和先進算法組成的系統(tǒng)，可以在場地周圍以多個角度拍攝運動場，然后無縫集成到動態(tài)3D全景中。通過將單獨的鏡頭一起編輯成3D重建，該系統(tǒng)產(chǎn)生一個沉浸式的360度渲染。2001年在超級碗賽上首次亮相后，在EyeVision 360成為超級碗50的談話中，該技術(shù)已經(jīng)取得了重大進展。 Brooks表示，“他們將所有圖像進行實時編輯，并給所有球員建立了一個完整的三位模型，因此你可以在虛擬現(xiàn)實中隨意放大并查看每個人所在的位置?！?這是十年前人工智能的一個熱門話題。 我們?nèi)绾潍@得三維重建？ 現(xiàn)在這是你在電視上看到的東西。 技術(shù)不斷進步，現(xiàn)在用于各種體育場館。流暢的算法使大量的數(shù)據(jù)緊縮，使多維視頻得以出現(xiàn)在我們眼前。 未完待續(xù)…… |
|
|
