为什么机器人研究了几十年进展仍不大？看完后明白了！

机器人在近几年取得的进展还是比较大的，波士顿动力的那只机器狗就是很好的例子。不过，在之前的几十年中，机器人的进展确实不大。

为什么会出现这种情况呢？这是因为直到近几年人工智能才突破了自己的瓶颈，进入到一个快速发展期。近代人工智能依赖的一个重要理论是深度学习。尽管这不是一种新的理论，但是，深度学习要想取得好的成效需要具备三个条件，即大量的数据、算法、算力。这三个条件，尤其是算力和数据，都是在近几年才得到很好的满足，从这种意义上讲，机器人在近几年才取得突破性的进展也是自然而然地结果。

这里说到算力，补充一点，即深度学习为什么需要那么高的算力才可以出效果？其实这与我们的计算机结构有很大关系。传统计算机是把存储和计算分开的，这样的设计其实并不适合人工智能。因为，如果参考自然界各种生物的神经元，每个神经元实际上都有存储和计算的能力。但是没有办法，这里有个路径依赖的问题。既然是依靠传统的计算机上设计人工智能，就只能遵从其相应的规则。也就是说，我们现在的人工智能，实际上是通过编程的方式在传统架构中构建人工神经网络，这并不是一种最优的方式，换一种方式，直接在芯片中编排神经元晶体管来构建人工神经网络可能会更好一些。值得一提的是，得益于材料科学的发展，同时具有存储和计算能力的神经元晶体管已经被德国的亥姆霍兹研究中心（HZDR）设计出来。至于未来呈现一个什么样的走向，也是一个路径选择问题。

补充的这些资料可以从另外一个角度来说明在一个很长的时期内机器人没有取得进展的原因，其中，路径依赖问题是主要的。从另一方面讲，要想更好的进行创新，就要思考问题的本质所在，一味沿着原来的道路前进，有时并不是一种好的选择。