在五一假期前的最後一個工作日，放蛋預祝大家五一節日快樂，同時也獻上AI系列文章之第三篇——AI如何為工業機器人賦能。這篇文章來自MIT Review，為我們帶來這樣一個角度去理解未來的智能機器：
幾十年來，人工智能和機器人在實驗室中相伴相生，研究人員一直都想將機器學習應用到工業機器人上，但一直未有重大進展，直到現在——神經網絡、深度學習帶來的人工智能革命正從圖像識別，聲音識別......蔓延向工業機器人。舊金山Osaro公司的機械手臂，利用AI軟件，實現了對不規則、隨機擺放的物體的分揀；Embodied Intelligence致力於將機器學習和虛擬現實技術應用到製造機器人中；亞馬遜連續舉辦“機器人分揀挑戰賽”，將目光瞄準了自動化分揀包裝市場.......
人工智能專家Yann LeCun認為，機器人將是人工智能下一個突破的關鍵環節。如何將人工智能實體化，實現機器與現實世界的智能互動，對科學家來說將是巨大挑戰，但也將為包括製造業，倉儲業在內的眾多行業，帶去巨大的改變。所以，準備好智能機器革命了嗎？
1，人工智能賦予機器人“智慧”
在舊金山某處的測試地，機器手臂正在挑揀雞塊並將其放入便當盒
圖片來源：WINNI WINTERMEYER
一個機械手臂正在進行一項特殊的重複任務：在成堆的雞塊上方盤旋，伸入其中，拿起其中一塊，然後旋轉，輕輕地，將雞塊放在隨傳送帶移動的便當盒中。
這款機械手臂由一家名為Osaro的舊金山公司開發，比我們看到過的任何機器人都要“聰明”。其背後的控制程序“教會”了它在5秒時間內挑揀和放置雞塊，今年內，它有望在日本的食品工廠得到應用。
擔心機器人起義的人可以親自走訪工廠，看看這場起義究竟進展到了什麼地步。實際上，除了精確有力，機器人只不過能完成經過周密編程的任務。如果目標物體距離預定位置稍有偏差，一般的機械手臂就無法挑揀它了，因為它缺乏那種感覺。分揀完全陌生的物體對它們來說更是不可能；機械手臂根本無法辨認棉花糖和鉛塊。所以，能從一堆隨意放置、形狀不規則的雞塊堆中挑揀雞塊，並進行放置，是機器人具有初步“智慧”的表現。
人工智能（AI）的最新進展一直未對工業機器人產生什麼重大影響，儘管在過去的五年多時間內，AI已經幫助人類實現了在圖像識別，棋盤遊戲和全自動人聲回應領域的突破；只要給予充足時間，它也能自學新技能。但對於機器人，這個人工智能的“表親”，開門，撿蘋果這樣的簡單動作，甚至還都十分困難。
然而，這種的狀況即將被改變。控制Osaro機械手臂的人工智能軟件可以讓機械手臂識別眼前的物體，分析該物體在受到戳刺、推擠和抓取時做出的反應，然後在此基礎上，決策如何處理它們。同其它AI算法一樣，Osaro公司的軟件也是從經驗中學習。利用現役照相機，結合就近超級計算機上的機器學習軟件，Osaro機械手臂可以實現高效率的物體抓取，並且只要給予充足的試驗機會，這款機械手臂基本上能抓取任何它遇到的東西。
在Osaro總部，機械手臂正在從箱子裡抓取物體
圖片來源：WINNI WINTERMEYER
AI賦能的工業機器人能讓眾多作業領域實現自動化，代替人類勞工進行分揀、拆包、裝包等體力工作。此外，如果能實現機器人的自由移動（在工廠雜亂的地面上），它們還會有更大的用途。所以儘管可能沒到起義這種程度，但工業機器人確實能引發一場革命。“我們看到了一系列的試驗，人們正在嘗試各種不同的事物，”在哈佛商學院研究製造發展趨勢的Willy Shih如是說，“自動化重複任務具備很強的發展潛力。”
這場革命不僅關於機器人，還關於人工智能。在機械體中放置AI軟件能幫助機械體從現實世界獲取信息，實現視覺識別，語音和導航等功能。數據越多，AI就越聰明，所以機器人每一次的抓取和放置，都在推動背後的AI軟件更好地理解世界和其工作原理。
“沒有這些數據，我們不可能取得這樣的進展，”Pieter Abbeel如是說。他是加州伯克利大學的教授，兼Embodied Intelligence的創始人，這家公司的主要業務是將機器學習和虛擬現實技術應用到製造業的機器人中。
2，機器人&人工智能，不同的發展歷程
這個時代的到來花了不少時間。1954年，發明家George C. Devol設計了可編程的機械手臂，並申請了專利。1961年，一位名為Joseph Engelberger的製造企業家在改進Devol發明的基礎上，創造出了第一代工業機器人Unimate——Unimate笨重且不靈巧，外觀奇怪，最早被用在了通用汽車位於新澤西的流水線上。
一開始，人們對這些簡單機器的智慧進行了美化。Engelberger將Unimate命名為“機器人（robot）”，號稱致敬作家Isaac Asimov在科幻小說中幻想出的機器人 （androids），但實質上，他的機器並沒有那麼複雜，它們只是一堆簡陋的機械設備，在簡單的軟件操縱下能進行特定的任務而已。即便是今天更先進的機器人，也需要編程對自己的每步操作進行控制，從這個意義上講，它們也沒有逃脫以往指令怎麼說，自己就怎麼做的“傻瓜”工作原理。
人工智能的發展則大不相同。上世紀50年代，人工智能開始使用計算工具來模仿人類的邏輯和推理，一些研究人員甚至為這些系統找尋物理實體。而早在1948年至1949年，英國布里斯托的神經科學家William Grey Walter就開發了兩個小型的自動機器，Elsie和Elmer。這兩個機器形似烏龜，裝配了可受神經刺激的簡單電路，能夠自主追溯光源。Walter製造這兩個機器的目的是想展示，區區幾個大腦神經元的聯繫，也能引發複雜的行為。
Embodied Intelligence的工作人員正在使用虛擬現實裝備訓練機器人
圖片來源：COURTESY PHOTO
但是理解和再造智能卻遭遇了極大的挑戰，人工智能發展經歷了很長一段鮮有突破的停滯期，因為為機器編程以在現實生活中執行任務往往十分複雜。幾十年來，人工智能和機器人在實驗室中相伴相生，研究人員一直都想將機器學習應用到工業機器人上，但未有重大進展。
直到七年前，研究人員終於找到了讓人工智能煥發生機的辦法——神經網絡（一種算法，模仿了大腦神經元與突觸從輸入中學習的過程）。神經網絡設計的靈感來自賦予Elsie和Elmer反應能力的組件。研究人員發現，在海量標記數據的幫助下，大型深度神經網絡可以完成了不起的任務，比如以近人類完美的精度，識別圖片中物體。
人工智能領域由此迎來了徹底的顛覆。作為耳熟能詳的技術，深度學習現在已被用在了包括感知在內的眾多領域：面部識別、語音轉換、訓練汽車識別行人與路標......植入人工智能系統，機器人能識別人臉，與人類交流，為人類服務（例如前往廚房，從冰箱裡為主人取出一瓶碳酸水），這些以往存在於科幻小說的幻想，都不再是夢了。
人工智能首先賦予機器的將是更大的靈敏性。在過去幾年，亞馬遜一直在舉辦“機器人分揀”挑戰賽。在競賽中，研究人員要讓機器人以儘可能快的速度分揀出一系列物品。所有研究團隊都在使用機器學習，這樣開發出的機器人在一次次的訓練中變得愈發熟練。很明顯，亞馬遜的目標是實現旗下交付中心數十億物品的自動化分揀和包裝。
“過去的三十五年，我一直在尋找實現機器人物品抓取的方法，但一直未獲得什麼實質進展，”Abbeel在加州伯克利大學的同事Ken Goldberg說。但在人工智能的幫助下，這一情況得以改變：“我們即將向前邁進一大步了！”
3，機器人，賦予AI實體，推動AI進步
在紐約諾荷區，全球知名的人工智能專家，Yann LeCun正在尋找這個領域的下一個突破。他認為，機器人有望成為AI突破的重要環節。
Yann LeCun在深度學習革命中扮演了重要角色。上個世紀80年代，在其他研究人員覺得神經網絡不現實而放棄的背景下，Yann堅持了下來。截至2018年1月，他一直擔任Facebook人工智能研究的負責人，目前擔任該部門的首席AI科學家。他領導的深度學習算法可以實現在用戶發佈的任一照片中識別人物。
但他的願景不止於讓人工智能聽到聲音，看到圖像，他還想讓人工智能進行推理並採取行動。此外，他也認為，人工智能需要物理實體來實現這些。與現實世界互動是人類智慧的表現之一，人類寶寶就是通過玩玩具來學習。為機器人裝載人工智能軟件以抓取事物，是為了實現同樣的目的。Yann認為：“很多有趣的人工智能研究都與機器人有關”。
一場重大的機器革命可能近在眼前，這個過程類似生物智慧出現的過程：直立行走解放了原始人類的雙手，使手能用於檢查和操作物體，遠古人類的視覺、敏捷度和智力由此加速提升，最終導致大腦的增大，高級工具、語言和社會組織的產生。
AI是否會經歷相同的歷程？至少截至目前，大部分人工智能還是以虛擬形態存在於計算機中，和現實世界的粗糙模擬（例如電子遊戲，靜態圖片）進行互動。但可以預見的是，能夠感知現實世界、與之互動並從中學習的機器人最終會在推理甚至溝通上勝於人類。“如果能充分解放人工智能的操縱能力，”Abbeel說，“那麼最終創造出與人類通用智慧接近的產物，不是異想天開。”
