机器人不等于AI，要想完美还要走很远｜数据堂

生活中，人们常常把人工智能与机器人的概念混淆。实际上，机器人是满足人类某些工作和任务并具备运动特性的机电设备，而人工智能可以理解为写在集成电路芯片载体上的算法。正是算法让机器人具备了自主学习和思考的能力。

而自主智能机器人是机器人的高级形态，关键就在于能够自主学习。它可以像人一样对周围环境和自身的状态进行感知和处理，根据实际条件自主产生决策，不完全依赖原有经验知识的框架式控制，形成自主的智能思维。在无人干预的情况下，能在复杂和动态的环境下，自主完成各项工作任务。

现实情况是，目前机器人的智能水平普遍不高。“如果以人的年龄来比拟，现在中国的机器人可能只有两三岁。不仅是我国，目前全世界的机器人都处于发展的初期阶段。”中国科学院院士、西北工业大学常务副校长黄维坦言，“虽然在相当多的场景下，机器人能代替自然人，但打造真正智能的机器人还有很长的路要走。”

无可厚非的是，人形机器人为我们提供了对新兴技术的研究载体。清华大学微电子学研究所教授、IEEE会士王志华勾勒的理想图景是这样的：“在今年考察图像识别技术的基础上，明年把噪声环境下的语音识别指挥机器人加入其中。

数据堂针对智能场景自研多套优质训练数据集，可应用于语音交互、语音控制、手势控制、异常行为检测等任务。更是得到了广大公司的青睐，该数据包含3D人脸识别数据， 200人唤醒词手机采集语音数据，559460段50种动态手势识别数据，8643张14类异常图像视频数据等，让智能家居产品更理解主人需求，人机沟通更加智能化。

”

技术驱动造就产业繁荣

基于大数据的深度学习等机器学习算法能力的增强，极大地促进了计算机视觉、语音识别等技术的不断突破，中国技术主导型初创型公司不断涌现。对此，德国汉堡科学院院士、德国汉堡大学多模态智能机器人系统研究所所长张建伟认为，正是技术驱动造就了目前国内人脸识别、语音识别领域的繁荣景象。未来，真正有用的人工智能发展将出现在机器人等可以落地的领域。

“跨模态学习是未来人工智能的核心技术，我们通过交叉学科的密切合作，希望弥补中国人工智能在基础创新方面的短板。”目前，张建伟领导的“跨模态学习的自适应、预测和交互”项目正在稳步推进中，这是一项由德国科学基金会与中国自然基金委联合资助的有史以来最大的人工智能领域的长期基础技术研究项目。重点研究人在多模态的感知、学习和表达能力，探索如何将模型转移到机器人身上。

技术发展不可能一蹴而就

随着人工智能技术的发展和大众对人工智能产品的认知提升，应用场景也从传统的智能制造、智能安防、智慧医疗等小众领域走向刷脸支付、AI翻译、无人店、智能语音音箱等大众领域。

不可忽视的是，人人都挂在嘴边的人工智能，有时却被资本和大众寄予了太高的期待。“今天的人工智能技术和真正的智能差着十万八千里。”王志华认为，技术的发展不可能一蹴而就，但资本期望技术能够很快带来回报。“资本期望2—3年回报是合理期，3—4年就算久了。但实际上，很多技术能够带来价值需要更长的时间，历史上从基础研究到形成产业经过上百年的时间的例子比比皆是。”

张建伟也表达了同样的看法：“做了多年人工智能和机器人的学者都知道，我们还面临着巨大的挑战。做出一个像人一样灵活，实现面向真实世界多种任务的解决办法，是一个一百年的任务。”

在王志华看来，中国的人工智能要想做大做强，还要脚踏实地一件一件事来做，具象化地满足人们的某种需求，代替某种功能。因此，他强调AI的四件事情缺一不可：第一是算法，第二是算力（芯片可实现的计算能力），第三是数据，第四是应用场景。

数据堂通过研判行业趋势，借助自主研发的“基于Human-in-the--loop”人机交互参与的人工智能数据加工平台，已积累超过2000TB的自有版权数据资产，形成45000余套自有数据产品，满足不同领域客户的人工智能产品研发需求。数据产品涵盖生物识别、语音识别、自动驾驶、智能家居、智能制造、新零售、OCR场景、智能医疗、智能交通、智能安防、手机娱乐等领域。此外，数据堂还为客户提供数据定制服务与人工智能数据处理平台私有化部署服务，针对用户的个性化需求完成数据采集与处理任务。

“强人工智能系统除了能听、能说、能看，还要能思考、能行动。”张建伟说，当前的人机混合智能是实现真正自主智能的第一步。但人工智能的可持续发展，除了政府推动，还需要很多能真正落地创造价值的项目。“发展人工智能要把技术驱动跟市场拖动两者有机融合好，未来人类生活的巨大需求场景是科研人员努力的方向。”