学界 | 20年后的机器人不如猫?Google的AI专家和Amazon的VP打了一个赌

“很多人预测在20年内出现人类水平的人工智能,我认为这太乐观了。我愿意打一个赌,赌20年内,我们的技术不足以制造出一个感觉运动控制能达到家猫水准的机器人。”

想来很多读者的第一感觉和我一样:20年内造一个和人类差不多的机器人的确有困难,但凭什么说20年后的机器人不如猫?这人外行吧?

这人还真不是外行,他就是排名第二的深度学习框架Keras的作者、Google人工智能专家François Chollet,François在Twitter上常有惊人言论,比如前段时间Twitter上的“深度学习已进入平台期”的讨论就是由François引发。

不过,深度学习的人来说未来20年的机器人如何如何是不是有点指手画脚的意思?哈尔滨工业大学深圳分校朱晓蕊教授告诉AI科技评论,从这个赌约来看,这其实是一个AI和机器人的“Final Goal”,一直以来,AI圈子和机器人的圈子是两个不同的圈子,当中有一部分交叉的是识别的部分,AI圈子和机器人圈子都有人在做(AI科技评论注:如刚结束的IROS机器人大会上就邀请了李飞飞做大会Plenary报告),但未来的趋势是两个圈子会逐步融合做同样的事,无论是光有智能没有控制,或者光有控制没有智能都是不能适应我们对未来的需求的。

这个赌注已经有人应战:Amazon Robotic的VP Brad Porter准备和François Chollet赌上1000美元,而且还有了正式的赌约和胜利条件,让我们来看一下:

猫水准AI赌局

2017年10月3日

我敢打赌,截至2037年10月,不会有一个机器人至少具备家猫的认知能力(特别是感觉运动能力),而且我们也很难创建这样一个机器人。当然不一定是像字面上那样表现得像猫一样啦,只要能显示出下面特质的和任何小动物类似的机器人都算。

硬件

除了创造一个机器猫的大脑,给这个机器猫造一个硬件身体自然也是这个问题不可分割的一部分。我们期望这个机器人至少具有猫身体的运动能力水准(如敏捷性,健壮性等),当然,生产这个硬件不是最难的部分,软件才是最难的部分,这可能得打通十七八次任督二脉才行。

行为

猫可以做有很多行为动作,例如玩耍、狩猎和隐藏,这些都是它们自己学会的。机器人应该表现出类似的行为丰富性,而且这些行为不应该是被硬编码的。我确实知道完全有可能通过对机器人进行硬编码的方式重现*特定*类似猫的行为,但这将是欺骗。

在感觉能力方面,我们的机器人应该能够至少能做出以下那样令人印象深刻的动作:

  • 学习开门
  • 从一个家具跳到另一个家具上
  • 抓老鼠并抓住它
  • 从任何位置跌落后都可以以爪子落地

概括

对智力的定义特征是其泛化能力,即从很少的经验中学习适应复杂的新情况的能力。猫级别的泛化能力意味着:

从少量数据进行学习

猫的大脑非常简单。猫的基因组大约只有2.7GB,而其中大约90%是垃圾,剩下的270MB的数据与猫的种类有关。相应,(机器猫)大脑源代码应该在MB级别,这包含所有关于大脑的内容,不能预留诸如预先训练的内容或是硬编码的任何环境信息(AI科技评论注:这相当于像刚出生的猫一样自己感知环境和进行学习),这是个大小是2017年超级优化的ImageNet CNN检查点的大小,不考虑运行它的TensorFlow二进制文件的大小或GPU Blueprint的大小在内。

所以,一只猫可以在几个月内(一年以上)与其环境互动,学习会成为一只真正的猫。事实证明,猫宝宝除了四处游荡外,其他技能都需要后天学习。我们的机器人应该能够从头开始,在2年内自己学会一切。没有前期的提示,没有对复杂的行为或关于环境的信息的硬编码(例如,波士顿动力的大狗机器人,它是100%硬编码的,这种情况算欺骗)。机器人的大脑可能在上传到机器人的身体之前进行模拟训练,但这种模拟训练应该在不超过2年内产生一个成熟的大脑。

适应性和自主性

猫和动物一般对任何特定的环境都有适应性:将其放在不熟悉和可能充满敌意的地方,猫不会吓傻被或者重新适应,它将探索其周围环境,隐藏,躲避狗和汽车,勋章食物和狩猎小动物。同样,我们的机器人应该能够在进入一个全新的环境时尽可能立即执行操作。

猫级适应性的最终证明是猫级自主性。把一只猫丢到可能生存的新环境中(例如有食物或猎物可用),它无需外部帮助即可生存下来。类似,如果把我们的机器人丢到一个未知的大学校园中,它应该也能无需他人帮助而生存下来。如果它(像猫一样)需要食物和氧气生存,它应该会自己找到食物;如果它依靠电力活动,它应该找到插座自己充电(自我充电对于我们描述的其他问题来说是微不足道的),而且在任何校园中也一样。

结语

看完AI科技评论才发现,这个赌约并没有字面上表现出来的那么简单。简单来说,要赢得这个赌约,机器人需要像新生的动物一样,全部通过学习来模拟大脑从“白纸一张”到成熟的过程。如果从神经网络来做比方,这个机器人需要在去接触新的环境、新的学习的时候,它会自主进行编程激活和产生新的神经网络链接,这样才构成学习的行为,而这个神经网络的结构也会变得复杂无比。换言之,这不是一个造机器人的过程,这更接近与造出一个新的物种的过程。

关于这场赌约,AI科技评论的各位读者有什么看法,认为谁能够赢呢?欢迎和我们留言讨论,如果支持我们的人足够多,我们也打算和这两位专家一起打这个赌呢。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-10-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

南加州大学刘燕:艺术与人工智能的明天——人机信任合作

824
来自专栏量子位

看几小时视频就能模仿人类聊天?Facebook机器人表情丰富着呢

安妮 编译整理 量子位 出品 | 公众号 QbitAI 人形机器人的相似度与人类的好感度不成正比。根据日本机器人专家森政弘1970年提出的恐怖谷理论,随着物体拟...

3088
来自专栏AI研习社

别被数据分析师骗了!用数据说谎的三种办法

AI 研习社按:日前,亚马逊欧洲商业智能部门负责人、资深数据科学家 Karolis Urbonas,在发表了题为《用数据说谎》的博文。文章总结了用数据误导人最常...

2958
来自专栏AI研习社

深度学习真的可以零基础入门吗?

我们先来谈谈自学深度学习最大的问题。 现在搞深度学习的,十之八九并不是“科班出身”。 这就导致:如果你想要跨行成为一名深度学习工程师,从头到尾的一切,都基本靠自...

3395
来自专栏崔庆才的专栏

机器学习训练营第二期开始报名了!

差不多在一个月前,我分享了自己对爬虫和 AI 行业的一些看法,文章原文是:分享我对爬虫和 AI 行业的一点看法,顺便打个广告,强烈建议大家在阅读本篇文章之前先看...

1482
来自专栏华章科技

黄骞:我们是如何在一张地图上表现86万个数据的

作为一名数据工作者,我每天会接触到很多的数据可视化成果,美好的可视化作品简洁明快炫酷非常,让人心情舒畅。

661
来自专栏灯塔大数据

经验谈丨如何在一年之内成为一名数据挖掘工程师?

? ? 不管是数据分析师还是数据挖掘工程师,我们的目标都是认识数据,从数据中发现需要的信息。 ? ? 所需要的技能 ? 做数据分析,统计的知识肯定是需要的,E...

3245
来自专栏吉浦迅科技

黄仁勋:透过 GPU 加快人工智能运算速度是崭新的运算模型

Yann LeCun 邀请我出席本周在纽约大学举行的首届“人工智能的未来”学术研讨会,人工智能领域的多位重量级人士齐聚一堂,讨论这项技术的现况及未来发展。我在此...

3579
来自专栏华章科技

【MIT计算机视觉预测城市衰落】下一个北上广在哪?人才比钱重要

【导读】 一个社区,一个城市的未来会发展成什么样?计算机视觉可以告诉我们答案。MIT 媒体实验室的研究员分析了160万组拍摄于不同年份的照片。使用比较的结果,研...

701
来自专栏AI科技大本营的专栏

观点 | 计算机视觉到底是个什么鬼?

翻译 | AI科技大本营(rgznai100) 参与 | Joe 房间的那一边,一个人冲你扔了一个球,你接住了。看上去特别简单,对吧? 事实上,尝试去全面理解的...

3224

扫码关注云+社区