课程: 人工智能（AI）入门

机器人技术

课程: 人工智能（AI）入门

机器人技术

“

与人类建立联系的最佳方式之一 便是加入人们所处的现实世界。 这就是为什么机器人科学 是 AI 最有吸引力的子领域之一。 用机器处理现实任务，这便是机器人科学。 这可以是制造业领域的移动重物机器人， 或者送餐机器人。 机器人甚至可以充当交通工具， 比如自动驾驶汽车或地铁列车。 长期以来，发明家们一直沉迷于 寻找制造仿生机器的方法。 过去的机器人仅限于高度专业化的设备。 它们在汽车制造领域充当焊接机器。 在我家乡附近的汽车工厂 就使用了数台专业机器人。 有些机器人能够举起汽车，在底部安装零件。 但它们中没有任何一个 会被误认为智能机器人。 它们或许令人印象深刻， 但其实能实现的功能非常有限。 除非设定好程序， 它们既不能帮同事打开车门， 也不能给引擎盖喷漆。 它们最擅长处理重复性任务。 结合机器学习技术的机器人科学 则给了我们更多选择。 这样的一台机器可以主动适应环境， 并在工作时学习新任务。 一个简单的例子是自动驾驶汽车。 你不可能给汽车编程， 让它应对路上可能遇到的一切事物。 这也是为什么， 最新型的自动驾驶汽车 采用了基于人工神经网络的机器学习技术。 这些车辆配备了复杂的传感器， 能将道路数据输入网络。 它需要了解车辆可能遇到的各种道路， 还需要观察这些道路上 可能存在的人、动物和其他车辆。 接下来， 机器会在成功的行车方式中寻找模式。 当一只鹿穿越道路时， 汽车必须作出的反应 要区别于看到路上遛狗的行人。 这也是为什么 我们会在自动驾驶汽车的驾驶座上 看到坐着人的原因。 他们负责监督人工神经网络 如何对外界传输进来的数据作出反应。 不过跟任何新技能一样， 让机器收集足够的数据需要时间。 在人工神经网络领域，这常被称为训练网络。 谷歌有过一条著名言论， 认为旗下的自动驾驶汽车 并不是机器人科学问题，而是数据问题。 怎么让汽车左转或右转， 确实比让它明白什么时候该左转或右转简单。 有些机器人不需要做得这么复杂。 这也是部分机器人使用传统 AI 的原因。 要记住，这类 AI 系统 使用符号推理而非机器学习。 你只需试着对机器人进行编程， 让它做出聪明的行动就行。 这就是自动吸尘机器人 和自动驾驶汽车的区别。 前者的程序只需避免撞墙， 而后者真的需要理解道路状况。 现在大部分机器人的程序 依然与自动吸尘器类似， 而非像自动驾驶汽车一样自主学习。 这是因为在处于现实世界中时， 犯错的代价要高得多。 所以，如果想创造一个分发处方药的机器人， 失误就会付出巨大代价。 这就是为什么许多机器人 采用了更简单的处理方法。 因此，它们依然能从 符号系统和传统 AI 中获益。

内容