AI界 云机器人来搅局

人工智能(AI)已经从互联网相关技术中受益。机器学习应用依赖由移动设备、互联网连接和社交媒体所创建的巨大的数据集。由于对数以亿计的图像的访问,比如,如今目标识别技术正常运转可以达到接近人类级别的准确性。

通常我们把机器人打造得像人,但是他们“大脑”的位置也得模仿人类吗?“假设是这样,机器人应该拥有所有的智能,” 丰田汽车研究所的CEO Gill Pratt在MIT会议上说。

事实证明,人格化的命令中心是低效的设计,尤其是从诸如云计算的先进技术来看。人类之间信息的传递通过语言和动作,显然很慢。“我们只有约一秒10bit的信息速度,” Pratt说,“上次你检查家里的互联网连接有多快时,我想应该是超过每秒10bit的。”

并非让计算在机器人内发生,Pratt说,更有效的设计是云机器人。机械大脑在云上运行,以便其能利用更大的存储、通信和计算能力。这样做使自动化工业所涉及的如舰队学习成为可能----当一个机器人学习了一些知识,云能引发一个网络效应,从而使所有机器人学习相同的知识,根据Pratt的说法。

人工智能(AI)已经从互联网相关技术中受益。机器学习应用依赖由移动设备、互联网连接和社交媒体所创建的巨大的数据集。由于对数以亿计的图像的访问,比如,如今目标识别技术正常运转可以达到接近人类级别的准确性。“这些算法已经出来了十多年了,” Pratt说,“改变的是计算能力跟上了,数据跟上了,互联网跟上了,然后突然,能展示这些算法有多好了。”

机器人领域通过云机器人可以取得相似的进步,它有引起“能力超指数级增长”的潜能,Pratt说。解读:当云机器人生根,机器人领域会经历比摩尔定律----芯片性能每18月翻番----所描绘的更快速度的增长。“它将会更像一个快照,” Pratt说,“突然,机器会非常擅长他们做的事情。”

传感器vs. 地图

MIT中断时间会议的第一次专家小组讨论重点聚焦于设计5级自主交通工具,定义为能无人辅助驾驶到任何地方。

讨论的一部分是依赖传感器vs.地图。Google的Waymo将重心放在为其车辆开发非常精确的地图。一辆车的传感器会实时搜集数据,那些数据分层堆积在公司已经建立的预先存在的地图上。传感器-地图允许“车能以10厘米的精确度知道自己在路上的位置,”根据Waymo博客发布内容。

但是Mobileye被Intel以1530亿美金收购,它是使用在交通工具上的目标识别技术以避免或者减轻碰撞,用位映射地图并极大的依赖传感器。“主要原理有些跟Google相反:它没有非常精确、非常高密度地图,但是有更多机器人传感器,”Tomaso Poggio说,他是大脑、心理和机器中心的主管,也是MIT大脑和认知科学专业的教授,还是Mobileye的主管。

Poggio瞄准Mobileye与大众、BMW和通用汽车的联盟作为例子。车辆在路上配备Mobileye 技术众包数据,譬如,实时。

TRI的Pratt说地图是传感器。“道路不会常常突然从一个地方移到另一处,”他指出,使地图成为一个有价值的数据源。但是地图不能因为建造或者洪水之类的而出错。“我们使用地图作为一个传感器,并且我们认为像所有的传感器一样,它里面可能会有一些噪音,”他说。

家庭机器人

TRI不仅用在自主运行的车辆上,它也发展家用机器人。“驱动我们在丰田汽车研究所的,主要是逐渐老龄化的社会,”Pratt说。15年内,20%的美国人会达到65岁甚至更老。在丰田汽车总部所处的日本,20%的人口已经65岁或更老;该比率将在20年后翻倍,他说。相似的动态全球都在发生。

“一个大问题,一个经济问题,不仅是谁来照顾我们,还是当我们超过65岁时我们将住在哪里,”Pratt说。辅助老年人人口增长的机器人可以帮助他们在他们自己的的房子里呆的更久些。

但是,像自动驾驶车辆,建造在人旁边操作的机器人需要多方面的努力。TRI敏感的细微差别之一是国与国之间存在的文化差别。

在日本,“家务活是高贵的艺术,”Pratt说。做家务到80、90岁甚至更老是值得骄傲的事。“可能机器人需要做的不是帮助你做家务,因为那正是你想要做的,”他说。但是在美国,美国人并不以同样的角度看待做家务,他们会高兴地交出除尘、打扫和吸尘的任务给机器。

Pratt的希望是机器学习和云机器人的进步能使机器快速适应。“我们会快速找到人们想要机器做的事情,并且软件会自然地擅长做这些事情,”他说。

专家说

“在第二个机器时代,不是我们的肌肉被机器扩大而是我们的心灵。”——Erik Brynjolfsson,麻省理工学院在数字经济计划的主管,兼MIT斯隆商学院Schussel家庭教授,兼国家经济调查局的研究助理。

“当我看到一位母亲和孩子在路边,我会尝试去判断,他们会违反交通灯过马路吗,我做了一个跟看到俩个带着滑板的青少年无目的乱转时完全不一样的预测。AI能做多少来识别不同,并理解一个人可能横穿马路而另外一人不会?”——Gill Pratt,丰田汽车研究所CEO。

“从研究的观点来看,从科学的观点来看,这是非常难懂的,像如何深入学习和加强学习工作。但是还有其他事情,我们用过的算法,也被藏在代码背后----以我们建造机器的方式藏着----那可以更加可见。”——Manuela Veloso,Herbert A. Simon大学教授,卡内基梅隆大学计算机科学学院。

“社会对待机器犯错和人类犯错的态度是不同的。”——John Leonard,Samuel C. Collins 机械和海洋工程教授,MIT机械工程专业。

来源:TechTarget中国

0赞

好文章,需要你的鼓励

2017

03/31

17:14

分享

点赞

邮件订阅
白皮书