【机器人 AI】2015 进步成绩单

作者:Will Knight,《MIT Technology Review》资深编辑。主要从事关于机器智能、机器人和自动化的写作,但也对大部分计算领域感兴趣。在MIT Technology Review之前,他是《New Scientist》杂志的网上编辑。

今年,自动驾驶车成为商业现实;机器人获得各种各样的新能力;有些人担忧未来超级智能AI给人们带来的生存威胁。

机器人并没有在2015年接管世界,但有时它感觉像是我们世界的前进方向。

现在已经有了一些暗示,机器将会接管当前仍需要人们技巧的人工工作。今年早期,在由亚马逊组织的、旨在让机器人在其众多的产品服务中心中参与更多工作的比赛中,出现了一些细节。

该活动名为“亚马逊挑选大赛(The Amazon Picking challenge)”,在今年后期的一个著名的机器人论坛中举行。队伍通过设计一个机器人从亚马逊货物架中尽可能快地识别并抓取物品来争夺25000美元的大奖(最终冠军在20分钟内挑选并包裹好10件物品)。这对于人类工作来说可能无足轻重,但是对于机器来说,如何在排列混杂的货物架中抓取不同的物品还是一个很大的挑战。

后来,我们也得以看到在一个亚马逊服务中心中的独特场景,这展示了该过程现有的复杂性和自动化程度。在这些仓库中,机器人在人类工作者中起过渡作用,人类工作者的作用是精心安排并调试好系统的一部分。

几个月后,一个更加精彩的机器人竞赛,DARPA机器人挑战赛,在加利福尼亚波莫纳举行。为了对日本福岛的核灾难做出回应,这场由美国军方出资的比赛用以激发人们创造出能够在高度危险的灾难中做事的人形机器人。

这场竞赛用一系列艰难的任务(如开门、爬阶梯和操作电力工具等)挑战机器人感应、移动和控制的极限。再一次,这些东西对于人来说可能非常容易,但是对于机器人来说很难,比赛中一些价值百万的机器人参赛者一系列的失误很快成为比赛的“亮点”。价值2百万美金的头等奖最终给了一个能够在比赛中快速导航的机器人(因为它既能走,还可以用膝盖上的轮子行动)。

虽然机器人在很多方面还不如我们,但一些基础技术正在快速进步。研究人员设计了新的方式让机器人学习,还设计了新的方式来分享它们习得的信息,这会让它们更进一步。后来发生了的事情似乎并不令人惊讶,机器人正出现在各种各样的新商业环境中,从商店的迎宾机器人和采购助手到医院帮护人员和旅馆守门机器人。

2015年对于自动化或者“无人驾驶”车来说也是重大的一年。一些在自动驾驶领域来说的新公司,包括苹果、Uber甚至中国的百度,加入了谷歌等很多汽车制造商的潮流中,研究无人驾驶技术。我们不仅仅探索了更廉价的传感器和更好的控制软件如何推动这股潮流,还探索了汽车电脑化对其的推动方式。德国大众的“排放作弊丑闻”是另一个能够展现在今天机动车中植入电脑代码的重要性的例子。

最接近“车辆电脑化”的公司,特斯拉,也成为第一个引入高级自动驾驶技术的公司,这个技术包含在软件的更新中,该更新中包括了某个针对有必备传感器的Model S型车、名为“Autopilot(自动驾驶仪)”的技术。

然而,它并不是完全顺利地推出。一些特斯拉顾客展示了一些令人害怕的视频。在视频中,系统在路上的行为有时出人意料。并且在进一步研发和测试被完成前,公司被迫通过限制系统能力来循迹调查。

谷歌也披露了其原型无人驾驶车遇到了很多事故,虽然它将事故的责任归结为车辆的倾向驾驶形式有时会让路上其他驾驶人员感到困惑。然而,这些事故指出了对于自动驾驶车创造者来说一个潜在的伦理难题。虽然听起来很奇怪,但是一些研究人员已经考虑这样的场景——在无可避免的环境下,系统必须编程来选择要撞倒的人。

在过去的几年里,AI领域取得了巨大的进步,这要归功于以海量数据为基础的大型复杂的“深度学习”神经网络的发展,并且这个趋势在2015年进一步得到发展。世界最大的科技公司已经雇佣了该领域的专家在任务中应用该技术,如声音识别。我们详述了Facebook团队致力于研发能够分析语法并做出有意义的对话的深度学习AI。最近,Facebook展示了一个名为M个人助手,它的训练使用了人类工作者的过程来完成。

有了在AI和机器人领域如此快速的进步,一些专家担心长期后果就可以理解了。牛津大学哲学家Nick Bostrom写了一本书描述了这种担忧,其中提供了很多涉及人工“超级智能”的令人烦恼的假设场景。我们回顾了这本书,但是发现当前的技术进步还不能完全引发我们的末日恐慌。

想要看到更多的观点,那没有什么比向一位人工智能之父Marvin Minsky询问更好的了,在一次视频采访中,Minsky讲出了他对AI历史的看法,和一些该领域仍需要完成的目标。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2015-12-30

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

来自专栏量子位

如何设计一个不讨人厌的AI?“恐怖谷”了解一下

1202
来自专栏数据科学与人工智能

【数据科学】大数据思维的十大原理:当样本数量足够大时,你会发现每个人都是一模一样的

大数据思维原理是什么?笔者概括为10项原理。 一、数据核心原理 从“流程”核心转变为“数据”核心 大数据时代,计算模式也发生了转变,从“流程”核心转变为“数据”...

3057
来自专栏新智元

北大 AI 公开课第2讲实录-雷鸣&余凯漫谈嵌入式AI(超级完整版)

【新智元导读】“北大 AI 公开课”系统第二讲《嵌入式人工智能:从边缘开始的革命》于周二晚上结束,北大人工智能创新中心主任,百度创始七剑客之一雷鸣和前 IDL ...

3916
来自专栏数据科学与人工智能

【陆勤践行】怎样成为一个数据科学家:针对大学毕业生的指导(译)

刚毕业的大学生们,恭喜你们!欢迎成为劳动者的一员。在你所有可能申请的工作中,“数据科学家”这个风骚无比的职位也许最难得到的一个,同时也许是最具有潜在丰厚回报的一...

1968
来自专栏企鹅号快讯

人工智能时代已悄然来临……

人工智能时代已悄然来临..... 瓦特、爱迪生、冯.诺依曼,这三人的名字大家或许耳熟能详,他们是分别代表不同时期的科技变革的重要人物。在第三次科技革命中,冯.诺...

2809
来自专栏CSDN技术头条

专访两届图灵奖得主、七大ACM/IEEE院士:人工智能先驱在想什么、做什么?

2015年10月28日,以“人工智能,无限可能”为主题的 第十七届“二十一世纪的计算”大型国际学术研讨会在北京召开,包括近两年的图灵奖得主Leslie Lamp...

2439
来自专栏CDA数据分析师

数据分析/数据挖掘的入门级选手建议

(很少见到这么简单粗暴的回答,对新手来说还挺实用的。但我证明作者看起来确实是个软妹子╮(╯▽╰)╭ ,C君注) 1.数据分析和数据挖掘联系和区别 联系:都是搞...

3457
来自专栏数据的力量

大数据思维的十大原理:当样本数量足够大时,你会发现每个人都是一模一样的

6036
来自专栏智能算法

一文看懂大数据思维

真正的革命并不在于分析数据的机器,而在于数据本身和我们如何运用数据。将大规模的数据与运用融合一起,将会颠覆很多我们原来的思维。大数据思维原理到底是什么?笔者概括...

4515
来自专栏量子位

英伟达新开源GPU加速平台:主打数据科学和机器学习,50倍于CPU

因为这个名为RAPIDS的开源GPU加速平台出现,固有的数据工作,看起来将迎来变革。

893

扫码关注云+社区

领取腾讯云代金券