为什么Ai不会超过世界，但值得一看

您可能每天遇到它。虽然你并不总是意识到。你的行动有助于它成长。然而，你很少给它一个第二次想法。人工智能在你的口袋里。它在你的车里，在医生的办公室，在你的孩子的学校。

我们梳理我们的屏幕上的搜索结果和社交饲料。我们依靠我们的GPS系统来建议最好的路线。我们通过追踪我们浏览浏览习惯的Savvy算法的建议进行决策​​。我们询问我们的私人助理在我们的厨房和贵入和DERS中致力于站立，或在我们的手机上准备好。alexa，什么是ai？

语音识别，面部识别，搜索查询AI。无论我们是否考虑它有用或侵入，赋权或操纵，这项技术就是通过。我们如何使用它，是我们的选择。

RIA在AI中寻求显着的声音，以帮助我们更好地了解人工智能的有时难以捉摸的性质。这些是研究人员和企业家，几十年在AI和机器人领域工作的经验。他们帮助我们了解为什么人工智能不会随时接管世界（或我们萎靡的人）。但它的兴起值得一看。

人工智能仍处于起步阶段，表现不是能力
AI空间充满了炒作，恐惧和误解。专家表示，我们需要较少的哈布里斯和更谦卑。

罗德尼•布鲁克斯说:“我认为最大的误解是，它已经走了多远。”“我们一直在研究人工智能，从1956年起就称之为人工智能(当时人工智能之父，约翰·麦卡锡创造了"人工智能"这个词)，大约是62年。但这比物理要复杂得多，物理需要很长时间。我认为我们仍处于人工智能的初级阶段。”

布鲁克斯是重新考虑机器人他的目标是为制造提供智能，实惠，易于使用的协作机器人。他也是Irobot的联合国，是麻省理工学院计算机科学和人工智能实验室（CSAIL）的前任主任。布鲁克斯是人工智能推进（AAAI）的进步协会的创始研究员他的许多隶属关系和成就在计算机视觉，机器人和AI的领域。

他非常担心围绕人工智能和机器人的错误信息布鲁克斯开始了一个博客提供一些观点。他的最新帖子之一提供了关于当前技术趋势的日期预测，包括自动驾驶汽车，太空旅行，机器人和深度学习。

布鲁克斯认为，最近的一些媒体报道了令人瞠目的拟人化和受动物启发的机器人演示，或者让人工智能系统与人类下棋的观赏性体育比赛，冒险!，平乒乓球。是的，AI在这里．但在婴儿的步骤。

一些误解源于将机器性能等同于能力。当我们看到一个人执行某项任务时，我们可以假设这个人必须具备某种能力——技能和才能——才能完成这项任务。这和人工智能不一样。

布鲁克斯说:“一个人工智能系统可以神奇地下国际象棋，但它甚至不知道自己在玩游戏。“我们把机器的性能误认为它们的能力。当你看到一个程序是如何学习人类可以学习的东西时，你就会错误地认为它拥有你应该拥有的丰富的理解。”

以波士顿动力公司(Boston Dynamics)推出的阿特拉斯(Atlas)机器人为例。做反向溢的地图集的视频这一消息在网上疯传，引发网络热议，警告人们机器人忍者即将入侵。我们的人工智能专家说，事实并非如此。

布鲁克斯提醒我们，这些类型的示威活动是仔细编写的：“它必须非常快速地进行大量计算，但这是一个非常谨慎的设置。它不知道它正在做反血。它不知道它在哪里是。它不知道一个人做后溢的各种各样的事情会知道，就像'哇，我只是颠倒了！'机器人不知道颠倒了！

“它有一些数学方程，以及力量和向量，但它没有推理它们，”溪流添加。“它与我们截然不同。”

没有上下文，没有比赛
人类智能和机器智能之间的重要区别是背景。作为人类，我们对我们周围的世界更加了解。艾没有。

“我们一直在AI举行了60年的背景，我们无处可去那里，”布鲁克斯说。“这就是为什么我不担心我们将拥有超级智能AI。

布鲁克斯继续说道:“我们在一些非常狭窄的领域取得了成功，这就是现在的革命。”“当然，语言理解与我们十年前的完全不同。我曾经开玩笑说，语音理解系统是这样设置的，你按下或说“2”表示受挫。但现在已经不是这样了。”

他以亚马逊的Alexa为例。谷歌的助手和苹果的Siri是另外两个。

布鲁克斯说:“你对Alexa说些什么，它基本上就能理解，即使在播放音乐的时候，即使在房间里的其他人在说话的时候。”“它的好令人惊讶，这是来自深度学习。所以有些狭窄的区域变得更好了。我们将充分利用这些狭窄的部分，制造出更好的产品。

“当我开始重新思考机器人时，我们看了所有商业言语理解系统。我们决定在那一点上，在工厂的机器人中有任何语音识别。我认为现在已经改变了。它可能有意义。它可能没有在2008。”

语音识别编译正确的字串。布鲁克斯说，准确的字串足以做很多事情。但它没有人聪明。

“这是差异，”他说。“获取字符串是一种狭义的能力。我们从中不那么狭隘地走了很长的路。”

这些狭窄的能力已成为许多非常乐观的AI预测的基础，这对我们在该未来的人类中的角色过于悲观。

ai预测？考虑来源
一些在科学、技术和商业领域备受尊敬的人士警告AI即将到来的厄运人类。但知情人士指出了重要的一点。考虑到源。

“我们不能把自己的词语突然接管世界，”Ken Goldberg说。“这些都是聪明的人，所以每个人都认为他们知道他们正在谈论什么。但实际上与机器人一起工作的人意识到虽然这项技术正在取得巨大的进步，但我们远离在电影中描绘的人类机器人，以及最近的新闻。“

Goldberg是加州大学伯克利加州大学工业工程和运营研究的教授和尊敬的椅子，他也是Citris“人民机器人”倡议和自动化科学与工程（自动摩托）的实验室。他拥有八项专利，并广泛发表在机器人，自动化和社交信息过滤的算法的主题上。Goldberg于2000年获得RIA的着名Engelberger Robotics奖，旨在卓越，促进教育他的其他赞同和约会．

恐惧和夸张
戈德堡和布鲁克斯都坚决反对夸大人工智能的传播者。他们警告我们要特别警惕小鸡焦虑。这是一种警告人工智能末日，比如猖獗的失业或超级智能杀手机器人大军注定要统治世界。

“人们有纪念机器人历史悠久，”金伯格说。“当你想到担心运行Amok的技术时，它会回到古希腊人，甚至进一步。”

从普罗米修斯，到弗兰肯斯坦，再到终结者，他引用了一个反复出现的主题，这个主题深深植根于人类的心灵。我们害怕那些我们不熟悉的人。我们害怕我们不了解的东西。

戈德堡说:“人工智能只是被反复讲述的同一个故事的最新表现。”

我们的专家指出，大多数散播恐惧的人都不是在人工智能领域工作的。布鲁克斯和戈德堡呼应了许多自动化和机器人业内人士已经知道的事情。机器人技术要复杂得多。

戈德堡说:“有许多任务，甚至是重复性的任务，都非常微妙，需要比目前机器人所能完成的复杂得多的技术。”“虽然我认为机器人正在变得越来越好，我们也取得了很大的进步，但我认为重要的是缓和这些夸大的期望，这样我们才不会重蹈覆辙人工智能的冬天20世纪70年代和80年代，当时有巨大的期望，然后机器人无法提供。

“与此同时，我们不想在脚下射击自己，在这里没有机器人革命，”继续隆重。“因为我们认为可以有更多的应用程序和用于机器人的应用程序，但不是人们在谈论的内容，机器人正在窃取一半的工作。”

多样性和多样性vs.奇点
Goldberg说，大部分恐惧源于奇点，一个假设的时间点，AI和机器人超越人类智力。他建议，而不是担心假设，无论是遥远还是不可能的，我们应该专注于多重在这里，人力和机器的不同组合一起工作，解决问题和创新。

多样性已经出现在搜索引擎、社交媒体平台和许多面向观影者、购物者和度假者的应用程序的后端。当我们与这些人工智能支持的服务互动时，每次点击或浏览都会发出一个关于我们的兴趣、偏好和意图的信号。奖励?更好的结果符合我们的偏好，更好地预测我们下一步可能想做什么。这是一种相互依赖的关系。双方都需要对方的改进。互动越多样化，他们(我们)就变得越全面。

从研究到现实世界
当我们从实验室转向人工智能在现实世界中的应用时，多样性非常重要。我们另一位致力于将人工智能引入工业世界的专家也强调了人类和机器合作的重要性。

“这是挑战的一部分，”Pieter Abbeel说。“人类如何能够利用这项技术，利用它让自己变得更聪明，而不是让这些机器与我们分开?”当机器成为我们日常生活的一部分时，我们可以利用什么来提高我们的效率，这才是真正令人兴奋的时候。”(2010年，当阿比尔的研究团队发布了一份录影显示机器人折叠衣物．)

Abbeel是来自UC Berkeley的机器人系统的深层加强学习的先驱，他是电气工程和计算机科学系的教授，是机器人学习实验室的总监。2011年，他被命名为MIT Technoloate评论的35个创新者35岁以下，在他的其他成就中．Abbeel是一个体现智慧的主席兼主席科学家，他最近在加利福尼亚州埃米德维尔（Emeryville）在加利福尼亚州开发了AI软件，这将允许机器人自己学习新技能。

他对AI的前景也很兴奋，但思考有些谨慎是必要的。

阿贝尔说:“我认为人工智能取得了很大的进步，因此人们对人工智能感到非常兴奋。“就恐惧而言，我认为最好记住，最显著的进展，如语音识别、机器翻译和识别图像中的内容，都是所谓的监督学习的例子。”

阿比埃尔表示，了解正在构建的不同类型的人工智能很重要。在机器学习中，有三种主要的学习类型:监督学习、无监督学习和强化学习。

“监督学习就是模式识别，”他解释道。“当从语音转换到文本，或从一种语言转换到另一种语言时，这是一个非常难识别的模式，但人工智能实际上没有任何目标或任何目的。给它一些英文的东西，它会告诉你它的中文是什么。给它一个口语句子，它就会把它转录成一系列的字母。这只是模式匹配。你给它输入数据——图像和标签——它应该学习从图像到标签的转换模式。

“无监督学习就是你只给它提供图像，没有标签，”阿比埃尔继续说。“你希望通过看到大量图像，它开始了解世界趋向于什么样子，然后通过建立这种理解，也许在未来，它可以更快地学习其他东西。无监督学习没有任务。只要给它提供大量的数据(由于谷歌做了很多猫)．

“那里有加强学习，这是非常不同，更有趣的，但更难。（强化学习被记入自动驾驶汽车技术的进步。）它是当您为系统提供目标时。目标可能是一个高分视频游戏，或赢得棋子的游戏，或者组装两个部分。这就是其中一些恐惧可以是合理的。如果AI有错误的目标，那么可能发生什么目标？应该是什么？“

这就是为什么人类和人工智能不能在相互隔绝的环境中进化是很重要的。随着我们制造出越来越智能的机器，我们作为人类的能力将得到增强。

阿比埃尔说:“让我对我们目前在具身智能所做的事情感到非常兴奋的是，人工智能领域最近发生的事情让人工智能能够理解它们在图片中看到的东西。”“不是人类水平的理解，但已经很好了。如果计算机真的能理解图像中的内容，那么它也许能捡起两个物体并将它们组装起来。或者它可以对包进行分类。或者从架子上拿东西。在我看来，在不久的将来，一个巨大的变化是，那些依赖于理解摄像头反馈给你什么信息的任务。”

随后更进一步的智能与相机饲料一起做什么，因为我们探讨了从实验室到现实世界的过渡。

人工智能是什么，不是什么
人工智能已经成为一个营销热词。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。什么是人工智能，什么不是人工智能，有时很难确定。即使是专家在确定什么是人工智能，什么不是人工智能时也会犹豫。正如布鲁克斯所指出的，在上世纪60年代被认为是人工智能的东西，现在被教授在计算机编程的第一门课程中。但它不叫人工智能。

布鲁克斯说:“在某种程度上，这被称为人工智能。“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。

“人工智能曾一度是一个非常狭窄的领域。一些人围绕着一套基于搜索的技术非常具体地看到了它，”Goldberg解释道。“现在，人工智能被广泛视为机器人和机器学习的总称，所以现在它被视为一个完整的子领域。”

高级形式的计算机愿景是AI的一种形式。

“如果你只是检查一个螺丝是否放在正确的地方，我们从60年代就有了。把它称为人工智能有点牵强，”戈德堡解释道。“但与此同时，可以识别工人面孔的计算机视觉系统，我们通常会认为它是人工智能。这是一个更复杂的挑战。”

机器人抓取的深度学习
Goldberg的Autolab已经专注于AI十多年来，将其应用于云机器人，深度加强学习，从示范学习的项目，以及仓库物流，家用机器人和外科机器人的鲁棒机器人掌握和操纵。

该实验室的灵巧网络(Dex-Net)项目表明，人工智能可以通过提供数百万个3D物体模型、图像以及如何抓取它们的深度学习指标，帮助机器人学习抓取不同大小和形状的物体神经网络．以前，机器人通过练习不同的对象来练习和操纵对象，而不是一遍，这是一个耗时的过程。通过使用综合点云而不是物理对象来训练神经网络来识别稳健的掌握，Dex-net的最新迭代更有效，达到99％的精确抓取率。

观看ABB的YuMi机器人辅助Dex-Net 2.0操作各种对象。这包括它以前从未见过的物体。神经网络根据之前对形状相似的物体的经验学习如何抓取新的物体。

从长远来看，Goldberg希望开发高度可靠的机器人掌握各种刚性物体，如工具，家庭项目，包装商品和工业部件。他对可以在不同机器人类型工作的算法非常感兴趣。该实验室的研究由一些重型击球手赞助，包括谷歌，亚马逊，丰田，英特尔，Autodesk，思科和西门子。

大数据也有游戏
美国国家橄榄球联盟正在使用人工智能技术。任何看过橄榄球大联盟赛事或赛前和赛后节目的人都可能看过。随着2018年超级碗的临近，布鲁克斯提供了一个人工智能的例子，许多周日看电视的人可能会觉得相关。

在90年代后期，Carnegie Mellon大学的机器人和计算机愿景世界着名的研究员Takeo Kanade，同事了一个机器人相机和先进算法的系统，允许播放场从竞技场周围的多个角度射击然后无缝集成到动态的3D全景中。通过将单独的镜头一起编译到3D重建中，系统产生了剧烈的360度渲染。在2001年的超级碗35在超级碗35中首次亮相，这项技术在Eyevision 360是超级碗50的谈话中进行了显着进展。

“他们实时修补了它一切并建立了所有玩家的完整三维模型，所以你可以放大并在虚拟现实中查看，看看每个人都在场上，”布鲁克斯说。“这是10年前人工智能的热门话题。我们如何获得三维重建？现在它是你在电视上看到的东西。”

这项技术一直在进步，现在被用于各种体育场馆。巧妙的算法处理大量数据，把自由维度视频带到我们眼前。

工厂车间的预测分析
在工业领域，AI技术由机器人制造商Fanuc在其现场系统（Fanuc智能边缘链路和驱动系统）中使用。通过创建连接机器和设备的交互式Web，现场系统能够利用巨大的数据并绘制智能结论，例如预测机器行为或潜在故障。像通用电机这样的客户正在使用现场为工业4.0做好准备．

深度学习Cobots
重新思考机器人的Intera 5软件为百姓和Sawyer合作机器人提供了他们的智慧。布鲁克斯说，机器人的愿景和培训能力有很多AI。表索耶维修数控车床在这家定制注塑公司，他们计划最终将机器人用于其他任务。

“传统的工业机器人没有太多智能，”布鲁克斯说。“但这就是我们正在做的事情。我们正在对机器人进行深度学习。我们正在努力应对变化，因为我们认为90%的制造业是在(机器人)与人类在同一空间工作的。”

索耶(Sawyer)和巴克斯特(Baxter)机器人有演示火车的功能，可以让人工智能工作。

布鲁克斯解释说:“当你通过演示来训练它时，你通过移动它的手臂向它展示一些东西，它就会推断出一个叫做行为树的程序。”它为自己编写一个程序来运行。你不需要写程序。”

Intera 5是一种图形编程语言。布鲁克斯说您可以查看它，修改它，或者如果需要，您可以在行为树中编写程序，绕过自动执行此操作。

“这意味着有人在工厂车间工作，他不是程序员可以让机器人做一些新的事情，”布鲁克斯解释道。“它是他们要求它做的事情，然后写自己的程序。”

人工智能改变了机器人编程的模式
人工智能正在改变机器人的编程方式。Abbeel和他的团队在体现智慧正在利用AI的力量来帮助工业机器人学习新的，复杂的技能。

他们的工作从UC Berkeley的Cofounds研究中发展，他们在使用模仿学习和深度加强学习时，他们在使用仿制学习和深度加固来教导机器人来操纵物体的重大突破。这加州大学伯克利分校提供的视频展示了该实验室的突破导致剥离的技术。

这家初创公司使用传感和控制相结合的技术远距离操作机器人。在传感方面，操作员佩戴虚拟现实头盔，通过摄像头显示机器人的视野。在控制方面，Oculus Rift和HTC Vive等VR设备都配备了操作人员可以手持的手持设备。当操作员移动他的手时，这个动作就会被跟踪。跟踪的坐标和方向被输入驱动机器人的计算机。这样，操作人员就可以像操纵木偶的人一样，直接控制机械手的动作。

“我们允许人类将自己嵌入机器人，”阿比埃尔说。“所以现在人类可以通过机器人的眼睛看东西，并控制机器人的手。”

他说，人类是如此灵巧，机器人夹具和我们的手之间没有比较。通过通过VR系统工作，操作员被迫遵循机器人的约束。

阿贝尔解释说:“你可以通过示范向机器人传授技能的精髓。”“这并不意味着到那时它就会像机器人一样快。它将以人类的速度完成任务，这对大多数机器人来说是很慢的。这是第一阶段(模仿学习)。你通过示范来教机器人。

“然后，在第二阶段，机器人将运行加强学习，从自己的试验和错误中学习，”持续的。“这里的美丽是机器人已经了解了任务的本质。现在机器人只能学习如何加速它。这是通过加强学习相对较快地学习的东西。”

阿贝尔说，他们的技术特别适合挑战视觉和操作任务，目前对于传统的软件编程技术来说太复杂了。应用包括在处理过程中改变形状的可变形物体，如电线、电缆和纺织品。本选择是另一个潜在的应用。

去年秋天，具身智能公司获得了700万美元的种子资金。阿贝尔表示，他们已经与100多家公司进行了谈判，以了解他们的需求，并确定是否有很好的适合该技术的软件，并指出该软件与机器人的类型无关。

“我们在办公室复制了他们的设置，然后开始收集演示，并为机器人编写代码，以便从这些演示中学习，”阿贝尔说。“然后，我们与合作公司协调，确保我们按照机器人的规格来指导它。”

他说，合作公司的类型包括汽车、电子产品或服装制造商，也包括合同制造商、仓库和物流运营公司，以及制药、农业和建筑公司。

“我们正在改变机器人编程的方式，”阿比尔说。“我们为模仿学习编写代码，也为强化学习编写代码。一旦代码就位，当您需要一个新的部署时，我们不需要编写新的代码。相反，我们收集新的数据。因此，范式从为新部署而开发新软件，转变为为新部署而收集新数据。数据收集通常更容易。这比新的软件工程要低。”

最终，体现智能将让其他人使用此软件通过自己的演示来重新编程其机器人。这将允许任何公司，大型或小型，以便以不同的任务快速重新部署其机器人。

人工智能的云大脑
颠覆性技术和新兴的技术趋势等行业4.0和智能家居越来越相互依存。使用图像分类和语音识别的深度学习的进步已经严重依赖于具有数百万例的巨大数据集。AI需要大量数据，而不是驻留在大多数本地系统上。输入云机器人，这是一个为今天的AI动力机器人的重要推动力器。

云机器人使信息共享成为可能，因此，在一个连接的环境中，所有机器人都可以集体共享智能(基本学习技能)。它还允许两个或多个远程机器人或人-机器人团队合作执行任务，即使相距数英里。

随着更多AI动力机器人进入市场，他们需要连接到共同的平台。CloudMinds技术，一个在2015年创立的新创业公司，希望成为该普通平台，为世界上第一个云机器人运营商品牌。

“我们想创建CloudMinds的原因是，我们觉得这是一个机会，可以将我们的电信背景应用到机器人和人工智能上，”联合创始人兼总裁Robert Zhang说。“我们想成为机器人的操作员。”

张，计算力学的博士，来自Samsung，Microsoft和Apple等消费电子巨头的冰雹。他的Cofounder，连续剧和首席执行官比尔黄，以前是中国移动研究所的总经理，在那里他领导了第一家航空公司Android项目的发展，其中包括第一款。CloudMinds吸引了一些着名的投资者，包括Softbank和Foxconn。

这家初创公司将向设计和销售机器人硬件的公司提供云平台和相关服务，就像移动网络运营商向客户提供无线通信服务一样。虽然张表示，他们的平台在工业机器人和消费机器人上同样适用，但他们专注于让消费机器人更智能。

张说:“对于一个能够在家庭环境中完成任务的机器人来说，需要的人工智能非常强大。”“对于机器人来说，做饭或叠衣服都是非常无组织的任务。你不能把人工智能的能力放在机器人身上。这在商业上是不可能的，因为有太多不同的任务。这就是为什么AI应该来自云。

他补充说:“无论机器人最初是为什么设计的，你总是可以有云，让机器人更有能力、更智能。”

我们仍然是一个距离的任何东西摩登家族的罗西。然而，一些可能与机器人管家密不可分的人工智能技术，如计算机视觉、操作能力、语音识别、地图和导航，已经从实验室出现在现实世界中。

当新一波的移动操控者上线时，CloudMinds计划站在最前沿。这家云机器人运营商投资了美国许多著名的人工智能和机器人大学项目，包括斯坦福大学、卡内基梅隆大学、加州大学伯克利分校和哈佛大学。他们还与Agility Robotics等初创公司合作，后者是Cassie的制造商，我们曾在报道中介绍过Cassie机器人集群．还有投资者合作伙伴软银(SoftBank)的Pepper人形机器人。

他们设想了一个由数百万机器人组成的社区，分享他们在云里学到的知识，这样他们就可以更好地照顾我们。

我们共同的潜在
云机器人，机器学习，计算机视觉，语音识别 - AI的所有方面都正在进行进步，在特定领域有时卓越的进展。但仍然是人工智能我们的任何东西。

即使是有一天能够接受AI和人类工程的机器人能够接近我们的灵巧，它们也可能在其所有脆弱性和潜力中都可能真正掌握它们周围的世界。背景和聪明才智将留在人类领域。

技术既不坏也不好。而是我们如何使用它。有了人工智能和机器人，我们人类有了巨大的行善潜力。在未来的几个月里，我们将密切关注人类和机器人之间的伙伴关系，以及我们如何在共同发展的同时加强彼此的能力。