为什么Ai不会超过世界，但值得一看

你可能每天都会遇到这种情况。虽然你并不总是意识到。你的行动帮助它成长。但你却很少再去想它。188金宝搏下载界面人工智能就在你的口袋里。在你的车里，在医生的办公室，在你孩子的学校。

我们梳理我们的屏幕上的搜索结果和社交饲料。我们依靠我们的GPS系统来建议最好的路线。我们通过追踪我们浏览浏览习惯的Savvy算法的建议进行决策​​。我们询问我们的私人助理在我们的厨房和贵入和DERS中致力于站立，或在我们的手机上准备好。alexa，什么是ai？

语音识别，面部识别，搜索查询AI。无论我们是否考虑它有用或侵入，赋权或操纵，这项技术就是通过。我们如何使用它，是我们的选择。

RIA在AI中寻求显着的声音，以帮助我们更好地了解人工智能的有时难以捉摸的性质。188金宝搏下载界面这些是研究人员和企业家，几十年在AI和机器人领域工作的经验。他们帮助我们了解为什么人工智能不会随时接管世界（或我们萎188金宝搏下载界面靡的人）。但它的兴起值得一看。

艾仍然在其初期，表现不是能力
AI空间充满了炒作，恐惧和误解。专家表示，我们需要较少的哈布里斯和更谦卑。

“我认为最大的误解是沿着它有多远，”罗德尼布鲁克斯说。“自1956年以来，我们一直在努力AI，称之为AI（当AI的父亲时，John McCarthy，创造了“人工智能”一词188金宝搏下载界面），大约62年。但它比物理更复杂，物理学花了很长时间。我认为我们还在Ai的起步阶段。“

布鲁克斯是董事长和首席技术官重新思考机器人该公司是他与他人共同创立的，其目标是将智能、负担得起、易于使用的协作机器人引入制造业。他也是iRobot的联合创始人，也是麻省理工学院计算机科学和人工智能实验室(CSAIL)的前主任。188金宝搏下载界面布鲁克斯是人工智能发展协会(AAAI)的创始会员188金宝搏下载界面他的许多关系和成就在计算机视觉，机器人和AI的领域。

他非常关注围绕AI和机器人的错误信息布鲁克斯开始了一个博客提供一些观点。他的最新帖子之一提供了关于当前技术趋势的日期预测，包括自动驾驶汽车，太空旅行，机器人和深度学习。

布鲁克斯认为，近期的AI炒作来自近期新闻覆盖覆盖的人类和动物启发机器人的颌面式和动物启发机器人的演示，或者对人类棋子的观众体育坑AI系统，危险！，平乒乓球。是的，AI是这里．但在婴儿的步骤。

一些误解源于使用能力等同于机器性能。当我们看到人类执行某项任务时，我们可以承担一般的能力 - 技能和人才 - 该人必须拥有，以便执行该任务。它与ai不一样。

“AI系统可以奇妙地玩国际象棋，但它甚至不知道它正在玩游戏，”布鲁克斯说。“我们将机器的表现误认为是他们的能力。当您了解程序如何学会了人类可以学习的东西时，您犯了思考它具有您所拥有的丰富性的错误。”

通过波士顿动力学乘坐地图集机器人（现在拥有SoftBank）。做反向溢的地图集的视频去了病毒，鞭打了网的发烧了巨大的机器人忍者入侵。不是那么，我们的AI专家说。

布鲁克斯提醒我们，这些类型的示威活动是仔细编写的：“它必须非常快速地进行大量计算，但这是一个非常谨慎的设置。它不知道它正在做反血。它不知道它在哪里是。它不知道一个人做后溢的各种各样的事情会知道，就像'哇，我只是颠倒了！'机器人不知道颠倒了！

“它有一些数学方程，以及力量和向量，但它没有推理它们，”溪流添加。“它与我们截然不同。”

没有上下文，没有比赛
人类智能和机器智能之间的一个重要区别是环境。作为人类，我们对周围的世界有了更深刻的理解。AI不会。

“我们一直在AI举行了60年的背景，我们无处可去那里，”布鲁克斯说。“这就是为什么我不担心我们将拥有超级智能AI。

“我们在一些非常狭隘的方面取得了成功，这是现在的革命，那些狭隘的方式，”仍然是布鲁克斯。“当然，言语理解与我们十年前的彻底不同。我曾经制作过这个笑话那个演讲理解系统的设置，以便你按或说'2'以挫败。这不再是真的。”

他用亚马逊的Alexa引用了一个例子。谷歌的助手和Apple的Siri还有两个。

“你对alexa说些什么，它几乎了解它，即使音乐正在玩，即使房间里的其他人正在谈论，”布鲁克斯说。“这是惊人的，它来自深度学习。所以这些狭窄的领域中的一些人已经变得更好。我们将使用那些狭小的碎片来获得更好的产品的最佳优势。

“当我开始重新思考机器人时，我们看了所有商业言语理解系统。我们决定在那一点上，在工厂的机器人中有任何语音识别。我认为现在已经改变了。它可能有意义。它可能没有在2008。”

语音识别编译正确的单词字符串。布鲁克斯说，准确的单词字符串足以做很多事情。但它并不像个人那么聪明。

“这是差异，”他说。“获取字符串是一种狭义的能力。我们从中不那么狭隘地走了很长的路。”

这些狭窄的能力已成为许多非常乐观的AI预测的基础，这对我们在该未来的人类中的角色过于悲观。

ai预测？考虑来源
一些备受尊敬的科学，技术和企业的人物警告人工智能即将灭亡对于人类。但是那些知道的人都有一个重要的观点。考虑来源。

“我们不能相信他们说的机器人和人工智能将突然接管世界，”肯•戈德堡说。“这些人都很聪明，所以每个人都认为他们知道自己在说什么。但真正与机器人打交道的人意识到，尽管这项技术正在取得巨大进步，但我们与电影和媒体最近描绘的类人机器人相距甚远。”

Goldberg是加州大学伯克利加州大学工业工程和运营研究的教授和尊敬的椅子，他也是Citris“人民机器人”倡议和自动化科学与工程（自动摩托）的实验室。他拥有八项专利，并广泛发表在机器人，自动化和社交信息过滤的算法的主题上。Goldberg于2000年获得RIA的着名Engelberger Robotics奖，旨在卓越，促进教育他的其他赞同和约会．

恐惧和夸张
无论戈德堡和布鲁克斯与AI夸张的传播者强调不同意。他们警告我们要特别警惕小鸡焦虑。人工智能启示像猖獗失业或注定统治世界的超级智能机器人杀手的军队，警告的那种。

“人们有纪念机器人历史悠久，”金伯格说。“当你想到担心运行Amok的技术时，它会回到古希腊人，甚至进一步。”

从Prometheus到Frankenstein，向终结者引用一个重复的主题，深深植根于人类心灵。我们担心那些对我们不熟悉的人。我们害怕我们不明白的东西。

“AI只是同一个故事的最新表现，这是一遍又一遍地被告知的，”Goldberg说。

我们的专家指出，大多数的恐惧散播的来自未在人工智能领域工作的人。布鲁克斯和Goldberg呼应了许多自动化和机器人内部人士已经知道了。机器人技术要复杂得多。

“有许多任务，即使是重复的任务，那就是非常微妙的，并且需要比当前机器人能够更具比较的复杂性，”Goldberg说。“虽然我认为机器人越来越好，我们正在进行很大的进步，但我认为脾气暴躁的夸张期望是很重要，所以我们不会重复艾冬天在20世纪70年代和80年代，人们对机器人有着巨大的期望，而机器人却无法实现。

“同时，我们也不想搬起石头砸自己的脚，说这里没有机器人革命，”戈德堡继续说。“因为我们确实认为，机器人将有更多的应用和用途，但还没有达到人们谈论的水平，即机器人即将抢走我们一半的工作。”

多重和多样性与奇点
Goldberg说，大部分恐惧源于奇点，一个假设的时间点，AI和机器人超越人类智力。他建议，而不是担心假设，无论是遥远还是不可能的，我们应该专注于多重其中的人不同的组合和机器一起解决问题和创新。

多重已经发生了搜索引擎，社交媒体平台，并为影迷，购物者和度假者许多应用程序的后端。当我们与这些AI-支持服务进行交互，每一次点击或浏览传达了一个有关我们的兴趣，偏好和意图的信号。奖励？更好的结果与我们的喜好和我们可能想下一步该怎么做更好的预测一致。这是一种相互依存的关系。每一个需要对方来改善。而更多样化的互动中，更加全面，他们（我们）成了。

从研究到现实世界
多样性很重要，因为我们从实验室转移到AI在现实世界中的应用程序。我们正在为工业世界带来AI的另一个专家们也强调了人类和机器在一起的重要性。

“那是挑战的一部分，”Pieter Bebeel说。“人类如何使用这项技术并利用它来使自己更聪明，而不是让这些机器与我们分开的东西？当机器是我们日常生活的一部分，我们可以利用以使自己更加富有成效，这是它真的令人兴奋的时候。“（2010年，当Bebeel的研究团队发布了一个时，每个人都真的很兴奋录影显示机器人折叠衣物．)

Abbeel是来自UC Berkeley的机器人系统的深层加强学习的先驱，他是电气工程和计算机科学系的教授，是机器人学习实验室的总监。2011年，他被命名为MIT Technoloate评论的35个创新者35岁以下，在他的其他成就中．阿比尔是具身智能公司(Embodied Intelligence)的总裁兼首席科学家，该公司是他最近在加州埃默里维尔(Emeryville)与人合伙创建的，该公司正在开发让机器人自己学习新技能的人工智能软件。

他也对人工智能的前景感到兴奋，但认为有必要谨慎一些。

“我认为有很多进步，因此，对AI有很多兴奋，”布巴尔说。“在恐惧方面，我认为要记住，语音识别，机器翻译等最突出的进步是令人兴奋的，并识别图像中的内容是所谓的监督学习的例子。”

Bebeel表示，了解建造不同类型的AI是很重要的。在机器学习中，有三种主要的学习类型：监督学习，无监督学习和加强学习。

“监督学习只是模式识别，”他解释道。“在从文本或一种语言到另一种语言时，这是一种非常困难的模式，而是识别出从文本或者一种语言，但是AI并没有任何目标或任何目的。用英语给予它，它会告诉你它是什么中文。给它一个口语句子，它会将其转换为一系列字母。它只是模式匹配。您喂它数据 - 图像和标签 - 它应该学习如何从图像到标签的模式．

“无监督学习，当你给它只是图片，没有标签，”继续Abbeel。“你希望从只看到大量的图片，它开始了解这个世界趋于样子，然后通过建立这种理解，也许将来它能够其他人更快地学到一些东西。无指导的学习没有任务，只要给它大量的数据（由于谷歌做了很多猫）。

“然后是强化学习，这是非常不同的，更有趣，但更难。(自动驾驶汽车技术的进步归功于强化学习。)当你给你的系统一个目标的时候。目标可以是在电子游戏中获得高分，或赢得一场国际象棋比赛，或组合两部分。在这一点上，一些担心是有道理的。如果人工智能的目标是错误的，会发生什么?目标应该是什么?”

这就是为什么人类和人工智能不相互真空发展是非常重要的。188金宝搏下载界面当我们建立更聪明，更智能的机器，我们的能力，人类将被增强。

“是什么让我非常兴奋地对我们所做的事情，体现智慧是，最近的人工智能事件已经给予了理解他们在图片中看到的东西的能力，”布巴尔说。188金宝搏下载界面“不是人为级别的理解，但相当不错。如果一台计算机可以真正了解图像中的内容，那么也许它可以拿起两个对象并组装它们。或者它可能会通过包来排序。或者从货架上挑选东西。在哪里看到不久的将来的巨大变化是依赖于理解相机饲料给您的东西的任务。“

随后更进一步的智能与相机饲料一起做什么，因为我们探讨了从实验室到现实世界的过渡。

什么是AI，而不是
AI已成为营销流行语。就像在之前的“机器人”一样，现在一切都看似互惠权。有时难以确定的是什么，而不是人工智能188金宝搏下载界面。即使是专家们在识别识别，明确情况下，也是犹豫不决的，什么是不是AI。正如Brooks的说明，20世纪60年代所考虑的AI现在在计算机编程的第一课程中被教授。但它不称为ai。

“这就是所谓的AI在某些时候，”布鲁克斯说。“再后来，它只是成为计算机科学。”

机器学习以及其所有变化，包括深度学习，加强学习和模仿学习，是AI的子集。

“AI是一段非常狭隘的领域。有些人在一系列基于搜索的技术围绕一套基于搜索的技术看到了它，”Goldberg解释道。“现在，AI广泛被视为在机器人和机器学习中的伞长，所以现在它被视为整个子场。”

高级形式的计算机愿景是AI的一种形式。

“如果你只是检查螺丝是否在正确的地方，我们有，自20世纪60年代，这将是一个延伸到呼叫AI，”戈德堡说。“但与此同时，计算机视觉系统能够识别员工的面孔，我们一般都认为，由于AI，这是一个更为复杂的挑战。”

机器人抓取深度学习
Goldberg的Autolab已经专注于AI十多年来，将其应用于云机器人，深度加强学习，从示范学习的项目，以及仓库物流，家用机器人和外科机器人的鲁棒机器人掌握和操纵。

实验室的灵巧网络（DEX-NET）项目表明，AI可以通过喂养数百万3D对象模型，图像和如何将它们掌握到深度学习的指标来帮助机器人掌握不同尺寸和形状的物体神经网络．以前，机器人通过反复练习不同的物体来学习如何抓取和操作物体，这是一个耗时的过程。通过使用合成点云代替物理对象来训练神经网络识别鲁棒抓取，Dex-Net的最新迭代更加高效，达到99%的精度抓取率。

观看ABB的Yumi Robot辅助DEX-NET 2.0操作各种对象。这包括它以前从未见过的物体。神经网络根据之前对形状相似的物体的经验学习如何抓取新的物体。

从长远来看，Goldberg希望开发高度可靠的机器人掌握各种刚性物体，如工具，家庭项目，包装商品和工业部件。他对可以在不同机器人类型工作的算法非常感兴趣。该实验室的研究由一些重型击球手赞助，包括谷歌，亚马逊，丰田，英特尔，Autodesk，思科和西门子。

大数据有游戏
国家足球联盟正在采用AI技术。任何人都在观看主要的NFL事件或游戏前和游戏后的节目，可能已经看过它。在拐角处的2018年超级碗中，布鲁克斯提供了许多星期日沙发土豆可以找到可关联的AI的一个例子。

在90年代后期，Carnegie Mellon大学的机器人和计算机愿景世界着名的研究员Takeo Kanade，同事了一个机器人相机和先进算法的系统，允许播放场从竞技场周围的多个角度射击然后无缝集成到动态的3D全景中。通过将单独的镜头一起编译到3D重建中，系统产生了剧烈的360度渲染。在2001年的超级碗35在超级碗35中首次亮相，这项技术在Eyevision 360是超级碗50的谈话中进行了显着进展。

“他们实时修补了它一切并建立了所有玩家的完整三维模型，所以你可以放大并在虚拟现实中查看，看看每个人都在场上，”布鲁克斯说。“这是10年前人工智能的热门话题。我们如何获得三维188金宝搏下载界面重建？现在它是你在电视上看到的东西。”

该技术继续前进，现在用于各种运动竞技场。Slick算法紧缩很多数据，以便在我们眼前带来自由尺寸视频。

工厂地板上的预测分析
在工业领域，AI技术由机器人制造商Fanuc在其现场系统（Fanuc智能边缘链路和驱动系统）中使用。通过创建连接机器和设备的交互式Web，现场系统能够利用巨大的数据并绘制智能结论，例如预测机器行为或潜在故障。像通用电机这样的客户正在使用现场准备好他们的工厂4.0．

深度学习的cobots
重新思考机器人的Intera 5软件为百姓和Sawyer合作机器人提供了他们的智慧。布鲁克斯说，机器人的愿景和培训能力有很多AI。观看索耶往往数控车床在这个定制的注塑成型公司，他们计划最终将机器人恢复为其他任务。

“传统的工业机器人没有太多的智力，”布鲁克斯说。“但是向前发展，这就是我们正在做的事情。我们深入了解机器人。我们试图处理变化，因为我们认为这是90％的制造业的（机器人）在与相同的空间中工作人类。”

Sawyer和Baxter Robots拥有一个逐个演示功能，使AI工作。

“当你训练它通过示范，告诉你它是通过移动其手臂的几件事情，并推断出一种叫做行为树计划，”布鲁克斯说。“它编写程序本身来看，你不必编写程序。”

Intera 5是一种图形化编程语言。布鲁克斯说，你可以查看它，修改它，或者如果你愿意，你可以在行为树中编写程序，而不是自动执行。

布鲁克斯解释说:“这意味着在工厂工作的非程序员可以让机器人做一些新的事情。”“它会推断出用户要求它做什么，然后编写自己的程序。”

ai转移了机器人编程的范式
188金宝搏下载界面人工智能正在改变机器人的编程方式。Abbeel和他的团队在体现智慧正在利用AI的力量来帮助工业机器人学习新的，复杂的技能。

他们的工作从UC Berkeley的Cofounds研究中发展，他们在使用模仿学习和深度加强学习时，他们在使用仿制学习和深度加固来教导机器人来操纵物体的重大突破。这个Video Uc Berkeley提供了实验室的突破技术导致旋转的技术。

该启动使用感测和控制的组合来漫步机器人。对于感知，操作员佩戴虚拟现实耳机，该耳机通过其相机显示机器人的视图。在控制侧，VR器件如Oculus Rift和HTC Vive，操作员在其手中具有手持设备。随着操作员移动双手，跟踪该动作。跟踪的坐标和方向被馈送到驱动机器人的计算机。这样，操作员就像一名木偶刀一样控制，就像一名木偶尔一样，在机器人夹具的运动上。

“我们允许人类在机器人内部嵌入机器人内部，”布巴eB说。“所以现在人类可以通过机器人的眼睛看到并控制机器人的手。”

他说，人类是如此灵巧，机器人夹具和我们的手之间没有比较。通过通过VR系统工作，操作员被迫遵循机器人的约束。

“你通过提示威教技能，机器人的本质，” Abbeel解释。“这并不意味着，这将是机器人快在这一点上，它会在人的步伐，这是大多数机器人缓慢做到这一点。这是第一个阶段（模仿学习）。你教通过示范机器人。

“然后在第二阶段，机器人将进行强化学习，从自己的试验和错误中学习，”阿比埃尔继续说。“这里的美妙之处在于，机器人已经学会了这项任务的本质。现在机器人只需要学会如何加快速度。这是它可以通过强化学习相对较快地学会的东西。”

Bebeel表示，他们的技术特别适用于挑战目前对传统软件编程技术过于复杂的愿景和操纵任务。应用包括使用可变形物体，在处理过程中更换形状，例如电线，电缆和纺织品。垃圾桶挑选是另一个潜在的应用。

体现智能募集种子资金$ 700万去年秋天。Abbeel说，他们已经与超过100家公司谈判，以了解他们的需求，并确定是否有一个良好的适合的技术，并指出，该软件是不可知的机器人类型。

“我们在我们的办公室复制他们的设置，然后开始收集示范并编写机器人的代码，以便从这些演示中学习，”布巴尔说。“然后我们与合作伙伴公司协调，以确保我们将机器人教给他们的规格。”

他说，各类合作伙伴的公司包括汽车制造商，电子或衣物，也合同制造商，仓库和物流业务，而企业在医药，农业和建筑业。

“我们正在改变机器人被编程的方式，”布巴尔说。“我们编写模仿学习的代码，我们编写加强学习的代码。一旦该代码到位，当您想要一个新部署时，我们就不会编写新代码。相反，我们收集新数据。因此，我们收集新数据新部署的软件开发，用于新部署的新数据收集。数据收集通常更容易。它是比新软件工程更低的栏。“

最终，体现智能将让其他人使用此软件通过自己的演示来重新编程其机器人。这将允许任何公司，大型或小型，以便以不同的任务快速重新部署其机器人。

AI在云脑
颠覆性技术和新兴的技术趋势等行业4.0和智能家居越来越相互依存。使用图像分类和语音识别的深度学习的进步已经严重依赖于具有数百万例的巨大数据集。AI需要大量数据，而不是驻留在大多数本地系统上。输入云机器人，这是一个为今天的AI动力机器人的重要推动力器。

云机器人能够提供信息共享，以便智能，基本上学习技能，可以在连接环境中的所有机器人身上集体共享。它还允许协作，因此两个或更多的远程机器人或人机团队可以共同努力，即使分开英里。

随着越来越多的人工智能机器人进入市场，它们将需要连接到一个共同的平台。成立于2015年的新创业公司CloudMinds Technology希望成为这一公共平台，将自己打造成世界上第一个云机器人运营商。

“我们想要创造CloudMinds的原因是因为我们认为这是将电信背景应用于机器人和AI的机会，”Cofert Zhang，Cofounder和总裁。“我们希望成为机器人的运营商。”

张，计算力学的博士，来自Samsung，Microsoft和Apple等消费电子巨头的冰雹。他的Cofounder，连续剧和首席执行官比尔黄，以前是中国移动研究所的总经理，在那里他领导了第一家航空公司Android项目的发展，其中包括第一款。CloudMinds吸引了一些着名的投资者，包括Softbank和Foxconn。

启动将为设计和销售机器人硬件的公司提供云平台和相关服务，就像移动网络运营商为其客户提供无线通信服务。虽然张说他们的平台将对工业机器人和消费者机器人同样工作，但它们专注于使消费机器人更聪明。

“对于一个机器人能够在家庭环境中做任务，所需的AI非常强大，”张说。“对于机器人准备一顿饭或折叠洗衣店，这些是非常非结构化的任务。您无法在机器人上实际放置AI功能。它是商业上不可能的，因为有很多不同的任务。这就是为什么AI应该来自原因云。

“无论机器人最初都是什么设计，你总是可以让云使机器人更有能力和更聪明，”他补充道。

我们仍然是一个距离的任何东西杰克斯罗西。然而，一些可能是对机器人管家，如计算机视觉，操纵能力，语音识别和映射和导航，所以已经从实验室进入了现实世界的一些AI动力技术。

CloudMinds计划是走在了前列，当移动机械臂新一波的网上去。云机器人操作者投资于许多全国各地的著名的人工智能和机器人技术的大学课程，包括斯坦福大学，卡耐基梅隆大学，加州大学伯克利分校和哈佛大学的。他们还与像敏捷机器人，卡西的制造商，我们在故事上的异形双足惊叹的创业合作机器人集群．而且我们不要忘记投资者的合作伙伴软银的辣椒人形机器人。

他们设想了数百万机器人的社区，分享他们在云中学到的东西，以便他们能够更好地照顾我们。

我们的集体潜力
云机器人、机器学习、计算机视觉、语音识别——人工智能的所有方面都在进步，有时在特定领域也有显著进步。但人工智能仍然比不上188金宝搏下载界面我们。

即使在人工智能和人类工程学的帮助下，机器人有一天能够达到我们的灵巧程度，它们可能永远也无法真正把握周围世界的脆弱性和潜力。环境和创造力将留在人类的领域。

技术既不糟糕也不好。这就是我们使用它的方式。随着AI和机器人，人类对良好的潜力巨大。在未来几个月，我们将仔细研究人类和机器人之间的合作伙伴关系，以及我们如何合作，以便在我们一起发展时，我们如何合作以增强彼此的能力。