當(dāng)今世界，各種科技的發(fā)展導(dǎo)致多元性和適用性機(jī)器人的“爆發(fā)性”增長(zhǎng)，許多關(guān)于機(jī)器人所依賴的計(jì)算、數(shù)據(jù)存儲(chǔ)和交流的基礎(chǔ)硬件技術(shù)正在成指數(shù)發(fā)展。

“云機(jī)器人” 和“深度學(xué)習(xí)”這兩項(xiàng)新興的技術(shù)就可以影響技術(shù)在一個(gè)良好循環(huán)中的爆發(fā)性增長(zhǎng)。“云機(jī)器人”這一概念由James Kuffner提出，是指可以通過網(wǎng)絡(luò)互相學(xué)習(xí)的機(jī)器人；特別是在機(jī)器人的數(shù)量增長(zhǎng)時(shí)，機(jī)器人的能力更是可以得到快速提高。“深度學(xué)習(xí)”算法是指特定程序通過對(duì)特定行為的模式進(jìn)行提取并將之應(yīng)用到更多的領(lǐng)域中。有研究人員指出這兩項(xiàng)技術(shù)將成為機(jī)器人技術(shù)爆發(fā)式發(fā)展的主要原因。

而機(jī)器人爆發(fā)可能將會(huì)持續(xù)多久呢?不知道。有人說我們應(yīng)該研究電腦象棋游戲的歷史，因?yàn)殡娔X可以憑借強(qiáng)大的運(yùn)算及搜素和啟發(fā)式算法戰(zhàn)勝當(dāng)下最好的棋手，然而死板的象棋系統(tǒng)在面對(duì)另一種類型的問題就完全束手無策了。這樣看來，專業(yè)化的機(jī)器人在完成指定任務(wù)方面還有提升空間，而在現(xiàn)實(shí)生活中，仍待解決的問題還要更多。

不過不像已經(jīng)編程象棋規(guī)則的電腦游戲，現(xiàn)在的深度學(xué)習(xí)算法則是使用在特定領(lǐng)域通用的學(xué)習(xí)方程，而這一算法已經(jīng)應(yīng)用在大量感知問題上，比如語音識(shí)別或現(xiàn)在流行的虹膜識(shí)別。美好的藍(lán)圖似乎已經(jīng)展現(xiàn)：通過深度學(xué)習(xí)算法，機(jī)器人將能解決任何聯(lián)想記憶問題。此外，和象棋程序不同，進(jìn)步非?？斓纳疃葘W(xué)習(xí)算法正在以期望中的速度漸進(jìn)發(fā)展，甚至在專業(yè)領(lǐng)域不斷帶來驚喜。而近來云網(wǎng)絡(luò)中越來越多的數(shù)據(jù)和計(jì)算資源讓深度學(xué)習(xí)的進(jìn)一步發(fā)展成為了可能。

深度學(xué)習(xí)的所謂“神經(jīng)網(wǎng)絡(luò)”實(shí)際上與已知大腦結(jié)構(gòu)存在幾個(gè)方面的不同，雖然其分布式的“連接”方式比之前的人工智能技術(shù)(比如電腦象棋程序)更近似于神經(jīng)系統(tǒng)，不過類真正大腦的幾個(gè)特點(diǎn)仍未完成，比如情節(jié)記憶和“無監(jiān)督學(xué)習(xí)”。但看起來神經(jīng)網(wǎng)絡(luò)不久就能像人腦一樣感知世界了，但神經(jīng)網(wǎng)絡(luò)能否像實(shí)現(xiàn)人腦一樣的認(rèn)知呢?經(jīng)解剖學(xué)研究得出，大腦知覺版塊和認(rèn)知版塊存在相似點(diǎn)。因此，有理由相信，帶有記憶和無監(jiān)督學(xué)習(xí)的機(jī)器識(shí)別將會(huì)在未來實(shí)現(xiàn)。

爆發(fā)的時(shí)間點(diǎn)實(shí)在難以預(yù)測(cè)?，F(xiàn)在自動(dòng)化和機(jī)器人(特別是無人駕駛技術(shù))上的商業(yè)投資已有明顯的加速，亞馬遜、谷歌、蘋果和Uber 等備受矚目的公司以及一些重量級(jí)的汽車廠商都在向無人駕駛領(lǐng)域進(jìn)軍。

推動(dòng)機(jī)器人科學(xué)的八項(xiàng)技術(shù)

一系列與機(jī)器人相關(guān)的科技技術(shù)正在指數(shù)爆炸式地發(fā)展，在這里只列舉了其中最重要的八項(xiàng)。前三個(gè)科技發(fā)展技術(shù)和個(gè)體機(jī)器人有關(guān)，接下去兩個(gè)和互動(dòng)有關(guān)，最后三個(gè)則是關(guān)于基于網(wǎng)絡(luò)的未來云機(jī)器人。

1、晶體管性能

機(jī)器人是由傳感器、執(zhí)行器和計(jì)算機(jī)共同構(gòu)成的，而計(jì)算機(jī)處理能力在不斷上升。最初由英特爾創(chuàng)始人摩爾·戈登提出的摩爾定律指出集成電路上可容納的晶體管數(shù)目每18至24個(gè)月就會(huì)增加一倍，性能也將增加一倍。盡管具體的更迭周期有所調(diào)整，但這一趨勢(shì)已經(jīng)持續(xù)了數(shù)十年，當(dāng)然現(xiàn)在似乎開始出現(xiàn)一些瓶頸了?，F(xiàn)在，半導(dǎo)體公司可以將晶體管制程壓縮至14納米，而一納米可是難以想象的十億之一米!這種量級(jí)已經(jīng)接近物理極限，幾乎就要進(jìn)入單個(gè)原子的尺度了。當(dāng)然現(xiàn)在出現(xiàn)了一些新技術(shù)還能保證單位體積計(jì)算性能的繼續(xù)上漲，其中包括三維多芯片系統(tǒng)和量子計(jì)算等等。

2、機(jī)械設(shè)計(jì)和數(shù)控加工工具的進(jìn)步

現(xiàn)代計(jì)算機(jī)輔助設(shè)計(jì)工具極大提升了機(jī)械設(shè)計(jì)師的工作效率、設(shè)計(jì)質(zhì)量和復(fù)雜程度。數(shù)控加工工具近來也獲得了許多突破——比如3D打印技術(shù)僅需極小的代價(jià)即可打印出高精度的3D模型，省去了耗資巨大的開模步驟。而嵌入式處理器所能實(shí)現(xiàn)的功能也越來越復(fù)雜，性能與可靠性亦有了巨大改進(jìn)，所有的這些都增強(qiáng)了機(jī)器人的性能和可靠性。

3、電池容量

如果機(jī)器人是可移動(dòng)的，他們需要找到能夠儲(chǔ)存或產(chǎn)生足夠的電量的方式來維持運(yùn)行。過去幾十年里，電池和燃料電池都不能很好地達(dá)到期望值。鋰電池比碳?xì)淙剂系哪芰棵芏壬倭艘粋€(gè)數(shù)量級(jí)，但差距正在逐漸縮小。在高需求且競(jìng)爭(zhēng)激烈的便攜式電子設(shè)備市場(chǎng)，電池技術(shù)方面的技術(shù)進(jìn)步一直在持續(xù);更不要說混合動(dòng)力和電動(dòng)車領(lǐng)域了。而超級(jí)電容作為一項(xiàng)全新的技術(shù)，比標(biāo)準(zhǔn)電池充放電速度更快，而且能夠反復(fù)充電上千次，但電池容量方面還需要更大的進(jìn)步。

4、對(duì)電池的高效利用

機(jī)器人依靠電池釋放電能帶動(dòng)電機(jī)運(yùn)轉(zhuǎn);電機(jī)越多，機(jī)器人對(duì)電能的消耗就越敏感。功率半導(dǎo)體充分利用了集成電路行業(yè)的技術(shù)進(jìn)步，讓便攜式設(shè)備的價(jià)格也不再昂貴，而所有的電池都對(duì)電能效率十分敏感。LED是另一個(gè)快速發(fā)展的新興市場(chǎng)，發(fā)光二級(jí)管可以以更少的電能實(shí)現(xiàn)更高的亮度和更廣的照射范圍，新型復(fù)合半導(dǎo)體(氮化硅和碳化硅)也將迎來以更低的價(jià)格實(shí)現(xiàn)更高的性能的時(shí)代。現(xiàn)在，云機(jī)器人的發(fā)展則開始依賴于圖形處理器來實(shí)現(xiàn)大規(guī)模的數(shù)據(jù)處理。在未來，以大腦為靈感的神經(jīng)硬件所消耗的能量將會(huì)更少。

5、無線技術(shù)

最開始機(jī)器人都是單獨(dú)的個(gè)體，它們的記憶和解決問題的能力被自身攜帶的程序所限制，對(duì)它們進(jìn)行更新和重新編程是一件耗時(shí)耗力的事情。而聯(lián)網(wǎng)機(jī)器人為編程、解決問題、學(xué)習(xí)和更新提供更多可能性。得益于各種基礎(chǔ)設(shè)施的完善，高性能無線數(shù)字通信現(xiàn)在隨處可見，可聯(lián)網(wǎng)的設(shè)備種類也大大增加。比如由Nest生產(chǎn)的智能溫控器，可以使用配對(duì)的手機(jī)進(jìn)行控制，并且它還能夠記憶和學(xué)習(xí)并對(duì)未來環(huán)境做出調(diào)整。谷歌的Chromecast服務(wù)可以將你在電腦或手機(jī)上任意選擇的內(nèi)容通過無線連接展示在電視屏幕上。你知道嗎，2014年全球的平均WiFi速度已經(jīng)達(dá)到十兆每秒，到2018年還會(huì)翻倍。2014年，在全球范圍內(nèi)分布大約有4800 萬個(gè)公共WiFi熱點(diǎn);而到2018年，這一數(shù)字會(huì)再增加7倍。目前最新的WiFi標(biāo)準(zhǔn)(802。11ac)的速度為每秒千兆，和標(biāo)準(zhǔn)的蜂窩數(shù)據(jù)(5G)一致?？梢灶A(yù)見，未來機(jī)器人通過無線技術(shù)進(jìn)行交流將成為常態(tài)。

6、互聯(lián)網(wǎng)的規(guī)模和性能成指數(shù)爆炸形式發(fā)展

無線通信設(shè)施的發(fā)展和互聯(lián)網(wǎng)的應(yīng)用將不僅僅限制在智能設(shè)備尚?，F(xiàn)在全球互聯(lián)網(wǎng)的每月流量已經(jīng)超過 88EB(1EB=1024PB=1024*1024TB)，保守估計(jì)三年內(nèi)還會(huì)翻番。而現(xiàn)在大概有130億臺(tái)設(shè)備連接到互聯(lián)網(wǎng)上，相當(dāng)于地球人的兩倍;而到2019年，這個(gè)倍數(shù)將會(huì)達(dá)到3倍。

7、全球數(shù)據(jù)儲(chǔ)存成指數(shù)形式發(fā)展

縱觀全球，由于社交網(wǎng)絡(luò)的流行，大量的圖片和視頻在網(wǎng)上流傳，“比特洪流”帶來了可怕又可觀的流量。通過比較，人的大腦一共有10^14個(gè)突觸，假設(shè)我們把每一個(gè)字節(jié)的存儲(chǔ)量作為一個(gè)突觸，那么現(xiàn)在全球信息就相當(dāng)于1000萬個(gè)大腦的儲(chǔ)存量。

8、全球計(jì)算機(jī)能力成指數(shù)形式發(fā)展

全球計(jì)算機(jī)的運(yùn)算速度已達(dá)到每秒10^21個(gè)指令。更重要的是，已經(jīng)生產(chǎn)的數(shù)十億個(gè)處理器(或許其中只有10億個(gè)正在運(yùn)行)可以和幾個(gè)大型互聯(lián)網(wǎng)運(yùn)行數(shù)百萬臺(tái)帶有高性能多核處理器的服務(wù)器并行計(jì)算。而任何運(yùn)算都可以分成幾個(gè)小部分，分開解決問題并不需要進(jìn)行信息交流，問題就能夠迅速被分解并解決。許多關(guān)于機(jī)器人自動(dòng)化的問題都可以通過這種方式解決。

云機(jī)器人

這些技術(shù)的發(fā)展表明，機(jī)器人的數(shù)據(jù)處理不僅可以依賴本地處理器，云計(jì)算也不失為一個(gè)可行的方案。云機(jī)器人的研發(fā)已經(jīng)蓄勢(shì)待發(fā)，準(zhǔn)備利用各種技術(shù)來完成機(jī)器人能力的革命。云機(jī)器人可以概括為四個(gè)理念。

1、基于記憶的自動(dòng)化

計(jì)算機(jī)的運(yùn)算和儲(chǔ)存性能是滿足研究人員探索機(jī)器人憑借記憶解決觸發(fā)動(dòng)作的基礎(chǔ)，規(guī)劃和控制是機(jī)器人自動(dòng)化的關(guān)鍵。這并不是將指令分解為一系列為特殊情況定制的編碼，而應(yīng)當(dāng)是在儲(chǔ)存容量中搜尋大量先前的記憶，找出可以匹配的記憶并作出反應(yīng)的方法。當(dāng)沒有先前的記憶可以匹配時(shí)，此前觸發(fā)動(dòng)作的類似記憶也可以被插入，另外也可以尋求人類的幫助，記錄下人工提供的答案以供使用。此外需要一提的是信息檢索技術(shù)的發(fā)展也加速了記憶技術(shù)的進(jìn)步。

雖然可以依靠記憶為基礎(chǔ)做出反應(yīng)，但解決問題的記憶又從哪里來呢?

2、經(jīng)驗(yàn)值共享

一個(gè)簡(jiǎn)單的機(jī)器人如果只憑借記憶方法學(xué)習(xí)，那會(huì)需要很長(zhǎng)的時(shí)間;就像一個(gè)新生嬰兒可能需要花數(shù)十年的時(shí)間去學(xué)習(xí)有用的事情。但是，機(jī)器人學(xué)習(xí)的時(shí)間也許會(huì)更長(zhǎng)，因?yàn)榧词故潜灸芤部赡軙?huì)丟失。

盡管人腦的帶寬比機(jī)器人高出一個(gè)量級(jí)，但人類與外界的交流速度比較緩慢，大約每秒只能傳遞10比特的信息。機(jī)器人和計(jì)算機(jī)則可以達(dá)到每秒1000兆比特，是人腦的1億倍?；谶@種外部通信速度可以利用網(wǎng)絡(luò)通信在所有機(jī)器人之間共享所學(xué)的知識(shí)。人類花了數(shù)十年的時(shí)間學(xué)得的知識(shí)機(jī)器人眨眼可得。然而，機(jī)器人不僅可以站在任何人的肩膀上學(xué)習(xí);在他們學(xué)得經(jīng)驗(yàn)以后，亦可迅速分享，讓其它機(jī)器人受益。

3、從想象中學(xué)習(xí)

人類常常憑借想象力對(duì)未來未知的狀況進(jìn)行演習(xí)和準(zhǔn)備。同樣的，一個(gè)機(jī)器人或一個(gè)“云機(jī)器人”的大腦可以利用模擬方法來探索機(jī)器人將會(huì)遇到的未來狀況以及可能的解決方案，并記住那些可以解決的方案。這樣的模擬不需要實(shí)踐，而每個(gè)機(jī)器人的夢(mèng)想都能提高所有機(jī)器人的性能;甚至我們可以制造一些專門用來做夢(mèng)的機(jī)器人和智能程序。

4、學(xué)習(xí)人類

感知仍然是機(jī)器人技術(shù)中最具挑戰(zhàn)性的難題之一。最近的一些研究讓觸發(fā)感知獲得大量數(shù)據(jù)變得更加具有可行性，而大量的數(shù)據(jù)在計(jì)劃和控制方面顯得尤為重要。

可記錄的視覺對(duì)象和人類活動(dòng)是一個(gè)巨大的資源庫(kù)，機(jī)器人很快可能利用資源庫(kù)來提高它們的理解和連接世界的能力，其中包括與人類的互動(dòng)。在2014年和 2015年，社交媒體上一共上傳了1萬億張照片，而這個(gè)數(shù)字在2015年估計(jì)還要增加數(shù)倍。現(xiàn)在，每分鐘就有300小時(shí)的影片被上傳到Y(jié)ouTube上。而當(dāng)傳感器得到大量應(yīng)用之后，信息的儲(chǔ)存量甚至還會(huì)進(jìn)一步增加。

網(wǎng)絡(luò)上最直觀的信息是沒有標(biāo)簽的，但聚焦技術(shù)可以在圖像和視頻中識(shí)別相似元素。打個(gè)比方，算法可以給相似的臉進(jìn)行分組，然后這些分組的信息可以增強(qiáng)機(jī)器對(duì)其它圖像和視頻的理解。

什么阻礙了機(jī)器人?

人類大腦不止能存儲(chǔ)信息和搜尋記憶，人的大腦也能感受到環(huán)境細(xì)微的變化，并對(duì)其做出反應(yīng)。而這對(duì)于機(jī)器人來說則是非常困難的。每一個(gè)環(huán)境變量造成的結(jié)果都有天壤之別，機(jī)器人該如何加以區(qū)分?電腦應(yīng)該如何通過記憶方法記住可以被檢索的現(xiàn)存知識(shí)，讓相似但又不相同的狀況觸發(fā)合適的記憶和想法?

對(duì)人腦的深入研究是機(jī)器人科學(xué)的重要課題。如何使機(jī)器人能向人腦一般聰明?有些機(jī)器學(xué)習(xí)的算法能帶領(lǐng)我們接近這一難題。雖然問題的解決還尚待時(shí)日，但機(jī)器人數(shù)量的增長(zhǎng)及所扮演的角色愈發(fā)重要?jiǎng)t已是不可逆轉(zhuǎn)的趨勢(shì)。而當(dāng)機(jī)器人革命到來之時(shí)，人類的生產(chǎn)方式及經(jīng)濟(jì)結(jié)構(gòu)就將發(fā)生巨變。至于巨變之后到來的是人類生產(chǎn)力得以解放的黃金時(shí)代還是大量工人失業(yè)的黑暗時(shí)代，只有時(shí)間能給我們答案。

本站編輯：Sophie