機器學習已成為人工智能要重點突破的領域之一，而我們知道，在機器能真正習得一項本領之前，我們需要給它餵養海量的數據、進行足夠的訓練。也就是說，機器「學習」實際上同樣要耗費大量的人力和物力。
不過日前 NVIDIA 的科研人員表示，他們正在採用一種新的 AI 學習系統來訓練工業機器人，即仿照我們人類自學的方法，讓它們通過觀察人類執行指定任務，來重複這項執行工作。
通常情況下，機器學習都需要成千上萬條預存數據來訓練一組神經網絡，然而其在高效性和場景適用性上都存在不足。
相比而言, NVIDIA 的研究員所研發的 AI 學習系統，高效性、適用性和性價比都要高很多。
至於這種 AI 學習系統的具體運用方式，我們可用一張流程圖來表示：
整個學習系統中，一系列用於感知、規劃和執行的深度神經網絡，將幫助機器人完成整個學習過程。
第一步：機器人通過攝像頭觀看人類示範的一項指定任務的執行過程，然後由感知網絡推斷出場景中物體的特徵、位置和關係。
第二步：規劃網絡基於所觀察到的物體信息和執行全程，生成一個執行方案。
最後：執行網絡負責完成這項任務，與此同時，如果其所處的環境發生變化，感知網絡則會將這個信息傳遞到執行網絡，使執行網絡能做出相應的調整。
此外，這個系統的另一大亮點，就是它能用簡單的英語對其正在執行的步驟生成可讀的描述，這樣研究人員就能立馬知道出現了什麼問題，並及時對錯誤進行修正。
Nvidia 表示，這是首次將合成數據（synthetic data）與圖像中心方法結合到機器人上。而合成數據的使用，則能讓神經網絡獲得近乎無限的海量數據。
另外值得一提的是，該學習系統還有可能被應用到「人機協同」工作的場景中，至於具體操作和可行性，則還需另做評估。
分享到:
閱讀更多 深圳灣 的文章
