人工智能（AI）到底是什么？-什么是人工智能，什么不是人工智能？

概括：

研究人员和制造商正在训练机器人使用人工智能来学习和处理复杂的任务，但其能力仍远未达到人类期望机器人的能力。人工智能现在的定义比以前更广泛，这可能会引起一些混乱。

在人工智能（AI）领域工作了数十年的研究人员和企业家正在努力帮助人们更好地理解其模糊的内涵。他们正在努力减少围绕人工智能的一些困惑和误解，并展示如何将其用于工业应用的机器人技术。

RethinkRobotics总裁兼首席技术官罗德尼·布鲁克斯(RodneyBrooks)表示：“也许最大的误解是它还走了多远。”“自从人工智能之父约翰·麦卡锡在1956年创造‘人工智能’这个词以来，我们就一直致力于人工智能的研究。迄今为止，大约有62年的时间。但它比物理学要复杂得多，物理学花了相当长的时间才被研究出来。”完美。我认为我们仍处于人工智能的早期阶段。”

与人工智能相关的大部分炒作都与最近的媒体报道有关，例如贸易展览上的仿生和动物机器人演示，或用于观赏性运动的人工智能系统，例如可以下棋、乒乓球和高尔夫球的机器人。人们一些误解源于将机器性能与能力等同起来。当我们看到一个人执行一项任务时，我们可以假设该人必须具备执行该任务所需的某些基本技能（技能和才能）。但人工智能不同。

“尽管人工智能系统非常擅长下棋，但它甚至不知道自己正在下棋，”布鲁克斯说。“我们将机器的性能与它们的能力混为一谈。当我们看到一个程序像人类一样学习新事物时，如果你认为一个程序可以像你一样深入地理解事物，那么你可能会犯错误。”

■图1：布鲁克斯认为人工智能仍处于起步阶段。机器智能和人类智能之间不存在可预测的竞争，人类仍然更聪明。

人工智能到底是什么？

人工智能已成为营销领域的流行词。就像之前的“机器人”一样，现在一切似乎都是人工智能驱动的。有时很难确定到底什么是人工智能、什么不是人工智能。即使是专家也不愿准确定义人工智能是什么、不是什么。正如布鲁克斯指出的那样，20世纪60年代被认为是人工智能的内容现在已在第一批计算机编程课程中教授。但它不叫人工智能。

“它曾经被称为人工智能，”布鲁克斯说，“然后它就变成了计算机科学。”机器学习及其所有变体，包括深度学习、强化学习和模仿学习，都是人工智能的子集。。

“人工智能曾经是一个非常狭窄的领域。有些人非常明确地认为它是一种搜索技术，”加州大学伯克利分校工业工程和运筹学研究教授兼主席肯·戈德伯格说。“现在，人工智能被广泛认为是机器人和机器学习的总称，因此它现在被视为子集的集合。”

高级计算机视觉是人工智能的一种形式。“如果你只是检查螺丝是否在正确的位置，那么你自60年代以来就已经拥有这项技术。如果你想将其称为人工智能，你就必须对其进行扩展，”戈德堡说。“但与此同时，如果计算机视觉系统能够识别工人的面孔，我们通常将其视为人工智能。因为这是一个更复杂的挑战。”

缺乏背景

人类智能和机器智能之间的一个重要区别是上下文。作为人类，我们对周围的世界有了更广泛、更深入的了解。但人工智能则不然。“我在情境人工智能领域工作了60年，但收效甚微，”??布鲁克斯说。“这就是为什么即使我们拥有超级智能的人工智能，我也不担心。虽然我们在某些领域取得了成功，现在被称为革命，但它们非常有限。当然，语音理解与语音理解有很大不同。”以及谷歌助手和苹果的Siri。

“即使当音乐正在播放并且其他人在房间里说话时，你对Alexa说的话，它也能很好地理解。”布鲁克斯说，这令人惊讶，主要是因为深度学习的发展。。“充分利用这些新兴技术领域的发展使我们能够制造出更好的产品。”

“当我们刚开始RethinkRobotics时，我们研究了所有商业语言理解系统。当时，我们认为在工厂中实施机器人语音识别是荒谬的。我认为现在情??况已经改变了。”布鲁克斯说。

语音识别系统会编译正确的字符串。确切的词一根绳子可以做很多事情，但它仍然不如人聪明。“这就是区别，”他说。“获取绳索是一种有限的能力，想要拓展这种能力，还有很长的路要走。”

这些有限的能力已经成为许多对人工智能乐观预测的基础，但他们对人类未来的角色可能显得过于悲观。

现实世界中的人工智能研究

戈德堡强调多样性而非统一性，指出人类和机器不同组合共同解决问题和创新的重要性。如果人工智能应用程序要走出实验室并进入现实世界，这种协作尤其重要。

PieterAbbeel是加州大学伯克利分校电气工程与计算机科学系教授，也是EmbodiedIntelligence的总裁兼首席科学家。他致力于通过强调人类和机器协同工作的重要性，将人工智能带入工业世界。

“这是挑战的一部分，”阿贝尔说，“人们如何利用这项技术，让自己变得更聪明，而不是让这些机器与我们分离？当机器成为我们日常生活的一部分时，它们能做到吗？”当你变得更有效率时，那就是真正令人兴奋的时候。”

尽管阿贝尔对人工智能的前景感到兴奋，但他认为适当的谨慎是必要的。“我认为最好记住，语音识别、机器翻译和图像识别等领域最重要的进步实际上只是所谓监督学习的例子。”

重要的是要了解正在构建的人工智能有不同类型。在机器学习中，学习主要分为三种类型：监督学习、无监督学习和强化学习。

“监督学习只是模式识别，”阿比尔说。从语音到文本，或者从一种语言到另一种语言，这是一种很难识别的模式，但人工智能没有任何目标或目的。给它英文，它会告诉你它是什么中文。给它一个口头句子，它就会被转录成一系列字母。这只是一个模式匹配。你给它数据——图像和标签，它就会学习如何识别从图像到标签的模式。

无监督学习是指你只给它图像，没有标签。希望它能从大量图片开始，了解世界是什么，然后逐渐建立这种理解，也许将来它可以更快地学习其他东西。无监督学习没有作业。只需向其提供大量数据即可。

接下来是强化学习，它非常不同，更有趣，也更具挑战性（强化学习归功于自动驾驶技术的进步）。强化学习赋予系统一个目的。目标可能是在电子游戏中获得高分，或者赢得一场国际象棋比赛，或者将两个部分放在一起。这也是人们对人工智能有些恐惧的一个原因。如果人工智能的目标错误会发生什么？目标应该如何设定？

重要的是，人类和人工智能不会在真空隔离的环境中进化。“随着我们创造出越来越智能的机器，我们作为人类的能力也会增强，”阿比尔说。“我们目前在EmbodiedIntelligence所做的工作最令我兴奋的是，人工智能的最新发展使人工智能能够理解他们在图片中看到的内容。”

■图2：Abbeel通过能够自主学习新技能的机器人，将机器学习领域的开创性研究转化为实际的工业应用。

机器人爬行的深度学习

加州大学伯克利分校Autolab实验室专注AI领域研究10余年，并将其应用于云机器人、深度强化学习、演示学习、仓库中稳健的机器人拣选和搬运等。物流、家庭机器人和手术机器人等项目。

该实验室的敏捷网络（Dex-Net）项目表明，AI可以通过向深度学习提供数百万个3D物体模型、图像以及如何抓取它们的神经网络指标，帮助机器人学习抓取不同尺寸和形状的物体。

此前，机器人通过反复练习不同的物体来学习抓取和操纵物体，这是一个耗时的过程。使用合成点云代替物理物体来训练神经网络、识别和捕捉，Dex-Net的最新迭代效率更高，可以实现99%的捕捉精度。从长远来看，戈德堡希望开发出高度可靠的机器人，能够抓取各种刚性物体：工具、家居用品、包装商品和工业零件。

图3：研究人员训练神经网络从数百万个3D模型和图像中识别物体后，机器人能够操纵它以前从未遇到过的物体。

深度学习协作机器人

Rethink的Intera5软件旨在使协作机器人Baxter和Sawyer变得更加智能。机器人的视觉和训练功能中大量使用了人工智能。

“传统的工业机器人没有太多的智能，这种情况正在改变。我们正在将深度学习应用于机器人，”布鲁克斯说。未来可以90%的制造是由人类和机器人在同一空间协同工作完成的。

机器人Baxter和Sawyer接受了操作人工智能的演示训练。布鲁克斯说：“当你通过演示训练它时，你通过移动手臂向它展示一些东西，它会推断出一个称为行为树的程序。”“它会自己编写一个程序来运行。你不必自己编写这个程序。”

Intera5是一种图形化编程语言。布鲁克斯说，你可以看到它，修改它，或者你可以在行为树中编写一个程序并让它自动执行，绕过程序的选项。

■图4：融合AI的协作机器人，将电脑数控车床应用于定制注塑机，可以促进流程自动化，提高产品质量和生产效率，将操作人员从重复性工作中解放出来。

人工智能正在改变机器人编程

人工智能正在改变机器人的编程方式。在BodiedIntelligence，Abbeel和他的团队利用人工智能的力量帮助工业机器人学习新的复杂技能。

他们的工作源自Abbeel在加州大学伯克利分校的研究，是利用模仿学习和深度强化学习训练机器人操纵物体的重大突破。开始结合感知和控制来远程操作机器人。操作员佩戴虚拟现实（VR）设备，通过摄像头显示机器人的视野。

在控制方面，VR设备配备了操作者手持的处理设备。当操作员的手移动时，可以跟踪该运动。从跟踪获得的坐标和方向由驱动机器人的计算机提供。这使得操作员可以直接控制机器人爪子的运动，就像木偶一样。

阿贝尔说：“我们允许人们将自己置身于机器人内部。”通过机器人的眼睛，人们可以看到并控制机器人的手臂。他说，人类是如此聪明，机器人的爪子和我们的手无法相比。通过VR系统，操作者可以感受到机器人运动的极限。

“你通过向机器人展示一项技能的本质来教授它。这并不意味着它一开始就会像机器人一样快。它将以人类的速度，这对大多数机器人来说非常慢，“阿贝尔说。这是第一阶段（模仿学习）。通过演示训练机器人。然后在第二阶段，机器人将运行强化学习，从自己的反复试验中学习。到那时，机器人已经了解了任务的本质。现在，机器人只需要学习如何加速。此时就可以通过强化学习来加快学习速度。

他们的技术特别适合于具有挑战性的视觉和操作任务，这些任务对于传统编程技术来说过于复杂。Incorporated允许任何人使用该软件通过自己的证据重新编程他们的机器人。这将使任何公司，无论规模大小，都可以快速重新部署机器人来执行不同的任务。

■图5：操作者佩戴VR头盔并手持运动追踪设备远程操作机器人，使其学习如何利用强化学习独立完成新技能。

未来潜力

尽管人工智能在云计算机器人、机器学习、计算机视觉和语音识别等各个方面都在进步，并在特定领域取得了重大进展，但人工智能对人类的了解仍然有限。

即使机器人有一天能够在人工智能和人体工程学的帮助下接近人类的灵活性，它们可能永远不会真正主宰周围的世界。背景和独创性仍将是人类占主导地位的领域。技术没有好坏之分，只是取决于我们如何使用它。在人工智能和机器人的帮助下，人类拥有巨大的潜力去做更有意义的事情。

本文中的关键概念

■人工智能正在发展，但其智能程度仍远低于人类。

■人类可以利用人工智能帮助机器人学习新技能。

■云机器人可以帮助协作机器人，而AI需要大量数据。

想一想：可以向机器人传授哪些特殊技能，从而对制造和工业自动化产生巨大影响？

本文来自《控制工程中文》（CONTROLENGINEERINGChina）2018年9月号“技术文章”栏目，原标题为：人工智能对未来机器人行业的影响。