人工智能和機(jī)器人的關(guān)系

   近年來，人工智能的話題非常熱門。不過，大多數(shù)人對人工智能存在誤解，很多人認(rèn)為人工智能是用機(jī)器來模擬人類的智能，實則不然。實際上，人工智能是用機(jī)器來模擬人類的智能行為。

   模擬智能和模擬智能行為是完全不同的。比方說，我們沒法模擬人類的情感，因為我們不知道怎么來定義快樂、痛苦等，因為當(dāng)我們快樂和痛苦的時候，我們的大腦和心理發(fā)生了什么變化，到今天為止人們并不很清楚。在這種情況下，不能用機(jī)器來模擬人類的感情，而只能模擬感情的表現(xiàn)——即痛苦或高興所表現(xiàn)出來的行為。

   眾所周知，情感主要從三個渠道表現(xiàn)出來：即臉部表情、語言（聲音）和肢體動作。從人類的面部表情、發(fā)出的聲音（語言）和做出的動作能夠判定某人對某事的態(tài)度，這是情感分析。反過來，則稱為情感生成。人工智能主要用機(jī)器來模擬人類的以下四個方面的智能行為：理性行為、感知、動作以及情感、靈感等。

   有人可能會說，人工智能要模擬人類的這四個智能行為，這和機(jī)器人很相似。但人工智能和機(jī)器人是有顯著區(qū)別的。機(jī)器人做的是機(jī)器，人工智能做的是智能體（intelligent agent），為什么用Agent來描述它，而不是用智能機(jī)器。這是因為人工智能不光要做機(jī)器，還包括軟件、系統(tǒng)和零部件等。

   那么該怎么定義機(jī)器人呢？現(xiàn)代機(jī)器人問世已有幾十年，對其定義仁者見仁，智者見智，沒有一個統(tǒng)一的意見。目前，對機(jī)器人的理解寬度很大，最低的只指可編程的機(jī)器，最高的則是指各種各樣智能化的機(jī)器。在我看來，對機(jī)器人的定義是一個逐步發(fā)展的過程，主要包括三大部分：前端指感覺（傳感器）或者感知，可能通常做不到感知，只能做到感覺，后端就是可控的操作器、效應(yīng)器等等，中間的部分目前主要還是集中在控制、編程這些領(lǐng)域，智能成分會逐步增加。

   從機(jī)器人和人工智能發(fā)展的整個進(jìn)程來看，機(jī)器人和人工智能有很多重疊的地方，但機(jī)器人更加面向任務(wù)、面向應(yīng)用。

   現(xiàn)代機(jī)器人的研究始于20世紀(jì)中期。最早在二戰(zhàn)后，美國阿貢國家能源實驗室為了解決核污染機(jī)械操作問題，首先研制出遙控操作器用于處理放射性物質(zhì)。緊接著于第二年，又開發(fā)出一種電氣驅(qū)動的主從式機(jī)械手臂。

   20世紀(jì)50年代中期，“可編程”“示教再現(xiàn)”機(jī)器人面世。1960年，第一臺真正意義上的工業(yè)機(jī)器人由美國聯(lián)合控制公司研制成功。隨著傳感技術(shù)和智能技術(shù)的發(fā)展，20世紀(jì)80年代開始進(jìn)入智能機(jī)器人研究階段。

   經(jīng)過近40多年的發(fā)展，機(jī)器人已從傳統(tǒng)的工業(yè)制造領(lǐng)域迅速向醫(yī)療服務(wù)、教育服務(wù)、家庭服務(wù)、勘探勘測、生物工程、救災(zāi)救援、深空深海探測、智能交通、智能工廠等領(lǐng)域擴(kuò)展。

擴(kuò)大應(yīng)用場景本身就是創(chuàng)新

   機(jī)器人的誕生是人類高新技術(shù)革命的結(jié)晶，經(jīng)過短短幾十年的發(fā)展已取得了很大的進(jìn)展，但對于人類的理想而言，這還僅僅是開始。

   在各種類型的機(jī)器人中，應(yīng)用于生產(chǎn)過程與環(huán)境的工業(yè)機(jī)器人較早得到大規(guī)模應(yīng)用。作為各種機(jī)器人分類中較為成熟的板塊，工業(yè)機(jī)器人應(yīng)用已經(jīng)滲透到幾乎所有工業(yè)生產(chǎn)制造的場景中，包括：機(jī)器人碼垛、沖壓、注塑、分揀、焊接、激光切割、噴涂、機(jī)床上下料，另外結(jié)合視覺技術(shù)或機(jī)床，還能創(chuàng)造出更多的可能。

   協(xié)作機(jī)器人近兩年也開始在機(jī)器人市場嶄露頭角。其常見的應(yīng)用場景包括拾取和放置、設(shè)備看護(hù)、包裝碼垛、加工作業(yè)、精加工作業(yè)、質(zhì)量檢測等。此外，它還被應(yīng)用于加工作業(yè)、醫(yī)療外科手術(shù)、倉儲物流、機(jī)器維護(hù)等其它非制造業(yè)和非傳統(tǒng)的領(lǐng)域。

   隨著人工智能與物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，服務(wù)機(jī)器人在不斷豐富自身功能及實現(xiàn)更強(qiáng)大性能的基礎(chǔ)上成為當(dāng)之無愧的后起之秀。新零售、智慧城市、智慧醫(yī)療、銀行、智能安防、機(jī)器人STEM教育等應(yīng)用場景遍地開花。

   為了讓機(jī)器人在更多場景落地應(yīng)用，很多機(jī)器人行業(yè)已經(jīng)開始探索AI、VR、5G等更廣泛的技術(shù)融合。其實，想要為機(jī)器人選擇一個好的應(yīng)用場景并不容易。特別是對于制造傳統(tǒng)機(jī)器人而言，不斷擴(kuò)大應(yīng)用場景，本身就是一種創(chuàng)新。

如何突破從結(jié)構(gòu)化到非結(jié)構(gòu)化的環(huán)境

   目前，機(jī)器人在某些領(lǐng)域應(yīng)用比較普遍，比如無人機(jī)、水下機(jī)器人等。為什么機(jī)器人在這些領(lǐng)域能得到應(yīng)用，而其它領(lǐng)域卻比較困難？我認(rèn)為，關(guān)鍵在于如何突破從結(jié)構(gòu)化到非結(jié)構(gòu)化的環(huán)境，這就需要人工智能。這里，我想通過幾個例子來說明。

   PUMA型機(jī)械臂是最早的多關(guān)節(jié)機(jī)器人，在20世紀(jì)70年代被推出，在20世紀(jì)80年代變成了工業(yè)機(jī)器人，并進(jìn)入迅猛發(fā)展的階段。如今，要把它推廣到一個相對非結(jié)構(gòu)化的環(huán)境。所謂機(jī)械臂的非結(jié)構(gòu)化環(huán)境就是有人參與，能夠與人交互，這樣環(huán)境就變成非結(jié)構(gòu)化了。

   要想解決非結(jié)構(gòu)化環(huán)境的問題，必須把感知和動作結(jié)合起來，也就是說要做的動作是把感知和動作連接起來。從事機(jī)器人研究的人對反饋的概念非常清楚，因為這里必須要用反饋，而人工智能缺少反饋的概念，所有從事計算機(jī)領(lǐng)域的研究人員都缺少這個概念，因為他們研究的對象都是開環(huán)的算法，所以我認(rèn)為這是人工智能和機(jī)器人結(jié)合的非常重要的點，而且可以做好。

   協(xié)作機(jī)器人可以柔順控制，不會碰到周圍的事物，一旦碰到會立刻降速，但協(xié)作機(jī)器人目前還未形成產(chǎn)業(yè)。就我國而言，在非結(jié)構(gòu)化的環(huán)境下，發(fā)展協(xié)作機(jī)器人產(chǎn)業(yè)是一個巨大的考驗，但當(dāng)前有很大的市場需求，只有在有需求的情況下，才能找到應(yīng)用場景。

   過去我們也做過不少移動機(jī)器人，中國早期也是集中在研究越野，慢慢地越野的任務(wù)就轉(zhuǎn)向軍方和自動駕駛車輛。就目前而言，全世界都非常重視汽車的自動駕駛，汽車必然走向自動駕駛的道路。

   目前自動駕駛主要是通過數(shù)據(jù)驅(qū)動的學(xué)習(xí)方法，學(xué)習(xí)不同場景下的圖象分割，判別是車輛、行人還是道路等，基于此建立三維模型，在三維模型上規(guī)劃行駛路徑，但是自動駕駛的這種方案并不能解決復(fù)雜路況下的行駛問題。

   自動駕駛最重要的就是感知部分，也就是說汽車必須可以感知周圍的環(huán)境，主要是視覺傳感器，包括多模態(tài)，用攝像機(jī)或者其它設(shè)備感知周圍環(huán)境，這在人工智能看來就涉及深度學(xué)習(xí)。眾所周知，采用淺層神經(jīng)網(wǎng)絡(luò)對標(biāo)準(zhǔn)圖像庫ImageNet進(jìn)行圖像識別，原來誤識率是50%，但采用深度學(xué)習(xí)之后誤識率降到3.57%，盡管誤識別率降低了很多，但算法的脆弱性令人擔(dān)憂。在很多情況下，基于深度學(xué)習(xí)的人工智能系統(tǒng)非常脆弱、容易受攻擊和受欺騙，這就是計算機(jī)視覺算法的不安全性。如果這種不安全性不消除，很難想象在實際應(yīng)用中會出多大的事故？

   人工智能現(xiàn)有的方法只能處理結(jié)構(gòu)化環(huán)境下的問題，而非結(jié)構(gòu)化環(huán)境下的問題，人工智能的方法還有待提高，所以我們提出第三代人工智能就是要解決非結(jié)構(gòu)環(huán)境下的有關(guān)問題。

   早期，我們從事人工智能研究主要是靠知識、算法和算力，進(jìn)入數(shù)據(jù)驅(qū)動時代以后，則主要靠的是數(shù)據(jù)、算法和算力，僅僅依靠數(shù)據(jù)、算法和算力做出來的系統(tǒng)總是存在不安全問題，怎么解決這種不安全問題？我們的辦法就是發(fā)展第三代人工智能，其核心思想是全面利用知識、數(shù)據(jù)、算法和算力這四個要素。

   自動駕駛從L2、L3、L4走到L5，必須要解決計算機(jī)視覺不安全性的問題，現(xiàn)在世界各國都在做這件事。有人說未來汽車是四個輪子上的超級計算機(jī)，換句話說，將來只要用很少的錢買車本身，而需要用大量的錢買車上的各種計算機(jī)設(shè)備。

   我們現(xiàn)在是用大數(shù)據(jù)的方法對圖像進(jìn)行分割和識別，然后建模、規(guī)劃，目前這些任務(wù)完全可以做到實時，這樣車能不能就可以讓計算機(jī)來開？我認(rèn)為在復(fù)雜路況下還是不能開，因為計算機(jī)視覺是不可靠的。當(dāng)一個系統(tǒng)中有人（在交通系統(tǒng)中，包括行人和汽車駕駛員）存在時，這個系統(tǒng)就會變成復(fù)雜的系統(tǒng)。由于在現(xiàn)實情況中，駕駛員和行人都存在有意無意地違反交通規(guī)則的情況，所以必須從實際情況出發(fā)去考慮這種問題。其實，解決這樣的問題并不難。我們可以讓計算機(jī)自動駕駛車，累計開幾十萬邁，從中暴露計算機(jī)中存在的錯誤，找到解決各種突發(fā)事件的辦法，如同駕駛員在駕駛中積累經(jīng)驗一樣，有了這些“經(jīng)驗”，就可以放心地讓計算機(jī)單獨駕駛了。

   總之，當(dāng)機(jī)器人往前發(fā)展的時候，與人工智能會有更多的交集，通過和人工智能的交叉融合，最后達(dá)到二者互利共贏的目的。■

（作者系中國科學(xué)院院士、清華大學(xué)人工智能研究院名譽(yù)院長，記者倪偉波整理）