【前沿观察】人类该如何跟机器人——这个自然界中的新物种相处？
来源：钛媒体
机器人将成为下一个重要的产业，这是比尔·盖茨在十几年前就做了预测的。
虽然机器人在科幻电影里早就出现，但是在机器人开始研发的阶段，大部分是把用于工业自动化的“机器手”叫做机器人，例如在汽车工业里的车辆自动装配生产线。
真正“类似于人”的机器人（或叫“人形机器人”），直到最近几年才引起广泛议论。这是因为随着智能手机、智能硬件研发的迅猛发展，通信技术、半导体芯片、软件、人工智能、视频技术、传感器技术的飞速进步，给“人形机器人”的诞生及产业化奠定了扎实的基础。
机器人技术正在快速发展
让我们回顾一下20世纪发展起来的制造业“批量生产”方法，即通过具备各种工具和机器的工厂，大量生产一模一样的某个产品。
开始的时候，这些机器都是需要人来操作的“笨”机器。但是到后来出现了计算机之后，情况就发生了变化。这给人们带来了新的机会，可以把机器变得“聪明”起来，可以按照人们的要求编制程序，来完成各种各样繁杂的任务，也可以完成小批量定制化生产。20世纪60年代之后，这样的数控机床或者是工业机器人，在大型工厂的流水线上得到了广泛应用。
按照统计数据，目前全球大概有150万台这样的工业机器人，到2017年底可达到200万台。这些工业机器人可以帮助企业流水线装配汽车或电子产品、在车间和仓库搬运物品、帮助医生做外科手术等等。它们可以工作于人类不能适应的环境中，大大解放了劳动力。
机器人如果用到了家里，它将不光像现在已经商品化的扫地机器人这么简单，而会发挥更多的为人服务作用。我们需要把机器人提升到具有情感的级别，做到与机器人更通畅的沟通和交流。例如，在工厂里的机器人只需与产品打交道，“一心一意”完成单个任务就完了;而在家里的机器人，则需要随时与人打交道、随时响应人的需求。
日本研究机器人专业的教授莫里，在20世纪70年代就已经发现，机器人的外形不能像一部冷冰冰的机器或者一部设备，要做得尽可能像人，才会使人感到有亲切感。这就首先需要我们用硬件给它做个头、会移动的双脚、手臂。
很大的挑战是如何让一个人形机器人能够很稳定地走路、走楼梯、像人那样奔跑，甚至超过人，比如爬上完全垂直的墙面或栅栏，或者立定一跳就可弹跳到屋顶上。这需要给机器人装上一个传感器阵列，它能持续地测量机器人身上部件的方向和移动。也需要实时读出和处理这些传感器所收集的数据，持续调整伺服电机，以保持所需的平衡，不至于倒下。要达到这些要求，需要非常先进的低成本、低功耗半导体芯片，低成本的精密移动传感器，以及先进的算法和具有人工智能的语音识别和视觉识别技术。例如，美国一家公司发明了一种“推不倒”的算法，传送至Atlas人形机器人，机器人可以灵巧地平衡，甚至你如果故意推倒它，它也可以借助协调能力惊人的双足立刻稳定平衡。
这几年来，国外已经开发了许多种“开源硬件”平台，让开发者在这个平台上进行二次开发机器人。这些平台提供了大部分人形机器人的硬件部件，可以直接从网上下载源代码，然后找台3D打印机把这些部件打印出来，最后把这些部件组装成一个机器人。
另一方面，人是有血有肉、有意识、有感情的动物，光外形类似还是远远不够的，这就需要用到人工智能。人工智能已经研究了很多年，最近发生的“人机大战”,谷歌公司开发的AlphaGo使用的其实就是一个人工设计的算法。对于围棋来说，有10的360次方的可能的下棋盘面，每下一个棋子，要从这么多的可能性中选出“最优的”一种，如果用目前最高水准的电脑去穷举运算的话，几亿年都算不完、选不出最优的棋子。所以目前已经开发了不少的“启发式”算法，这种算法可以大大减少运算时间，但是运算的准确度却不能达到100%准确。
类似这样的人工智能，除了用于下棋，更多用于医药诊断、金融贸易、法律、科学计算、玩具及各种应用软件App等。今年3月，世界四大会计师事务所之一的德勤宣布，将人工智能引入会计、税务、审计等工作中，代替人类阅读合同和文件。这也是一种人工智能的新的应用。但是，使用人工智能来进行机器人的图像识别、语音识别等，却是最恰当不过的了。
人形机器人需要能够识别人的自然语言，才能与人进行交流。但这不是一件简单的任务。20世纪90年代，研究者研发的自然语言识别算法，识别率不超过70%。一直到2012年左右，随着云计算、大数据技术的出现，才使识别率有了新的突破，达到了93%以上。这里面起作用的还有一个关键技术，那就是“深度学习”，这可以让电脑通过大数据自己训练，数据越多就会训练得越准确，识别率越高。根据专家预计，再过3年，识别率可以达到97%。
要做一个类似人的人形机器人，还需要“人工情感”和“人工意识”。加强这两个领域的研究，既会进一步推动“人工智能”发展，又能做成一个更高端、更接近人类、更具有人性的机器人。
要让机器人做到能与人类进行情感交流，要能先进行“情感识别”，理解人类情感的身体表现。人的情绪很多体现在面部表情上，面部肌肉、眼睛、鼻子等都会表达一个人的激动、怀疑、愉悦、痛苦、失望等等感情;声音语调也是一个重要的表达。如一个人在愤怒时，声调会大大提高且变得紧张；人的姿势和举止也可以反映出人的情感状态。把这些都建成数学模型，用算法编制好程序，通过处理器的实时运算，反馈到机器人的外表并显示出来。
机器人的研发和发展要比我们想象的要快。它不是仅仅跟着智能硬件或者人工智能的发展而同步发展。目前，阿里巴巴、软银、鸿海、谷歌等公司都已经投入巨资研发“人形机器人”。
机器人技术需要在三个领域得到突破——机械动作、认知和思考、传感识别。两年前，日本软银发布了世界上第一台带情感的机器人Pepper，是一个重大突破。这个身高1米21的Pepper很有意思，它可以认识家人、教英文、写日记、唱歌、跳舞、说话、玩游戏、变魔术，甚至还能算命。Pepper在一分钟内就售出了1000台，可见受到了用户极大欢迎。但是，Pepper还有很多不足，它能认识的人不超过10个，它不能搬重物、不能走楼梯，还不能扫地、做家务。它也没有双足，底部只是一个装有轮子、能360度旋转的盘子。
那种接近人类的会双足走路、会奔跑、会走楼梯、会做家务、会思考、会工作、会玩乐、有情感、会与人交流的人形机器人，预料在2030年前后会出现在我们中间，我们可以在商场里挑选，像买部汽车那样买到这样的“产品”。这种机器人有个头、有两个手、两脚或4个脚。机器人可以帮助你看病，帮助你驾车，帮助你购物、取快递、扛重物，帮助你烧饭煮菜，帮助你清扫房间、帮助照顾老人和小孩。
人类该如何与机器人相处?
从机器人得到的经济效益是非常明显的，但更重要的是对人类心理上构成的影响。人类在地球上已经存在了很久很久，并认为是这个地球上最高级、最有智慧的物种。如果把人形机器人看作是又一个具有类人智慧的新物种，那么人类的心理上怎么接受？这将会是很困难的。
除了一系列涉及到社会上、心理上、经济上的影响，还有法律上的问题。让我们想一想，机器人的拥有者是不是需要在法律上对他的机器人的行为负责？如果不是，那么未来的机器人如何来承担责任？如果有人用刀把别人刺伤了，那么他就要受到法律制裁；但是如果用刀把一个机器人刺伤了，是算犯了很轻的过失，还是根本就不算犯罪呢？
有几位写机器人的科幻作家，曾提出过需要事先用编程方法来规范机器人的行为，不让它作出损害人类的动作。这些虚拟的规则，有可能在未来变成现实。人类应该永远是机器人的主人，他掌握着把机器人“打开”或者“关闭”的权利。他可以任意存取机器人的记忆（存储器），也可以任何时候对机器人的“大脑”重新编程。
很明显，现在阶段我们想象到的机器人，就是一个为人服务的“奴隶”。但是，当到了能够制造那种真正有感知和认知能力、有“思想”的机器人那一天，机器人的“奴隶”角色将会发生变化。到那一天，机器人不再光是个塑料、金属或者硅芯片组成的壳子，还会有利用生物打印、人工合成生物、自组装纳米科技而制造的生命体。未来这种制造科技将不但用于人类的医学，还将用于制造和修理人形机器人。
我们真的需要好好思考一下。过去的20年，我们所使用的电脑、网络设备都还只是没有知觉的机器，现在“智能化”、“智能硬件”的时代已经或者即将开启，接下来的20年内，将会出现有认知和感知能力的人形机器人，机器人将具有越来越多的“人性”。机器人可以自我迭代、自我更新、自我学习、自我纠错、自我成长。
这种创造自主行为的机器，一定意义上是自然界产生的带智慧的新物种。这些机器人将与我们共存，在这个地球上与我们同居，它们将变成一个“人工合成”的新公民。我们将不仅仅“拥有”智能科技，而且还得学会与这些“公民”一起生活和工作。科幻电影的场景，快要来到我们每个人面前，我们该做哪些准备呢？
相关阅读：
人工智能60周年：
站在第三次浪潮的风口
1955年，被誉为“人工智能之父”的约翰·麦卡锡和明斯基、罗彻斯特、香农等共同给洛克菲勒基金会提交了一份项目建议书，希望能获得第二年于达特茅斯学院举办“人工智能夏季研讨会”的资助。当时，他们认为由10位科学家组成的工作小组在为期两个月的时间里就可以在人工智能领域取得巨大的进步。事实证明，他们严重低估了人工智能的复杂程度。不过，达特茅斯会议正式确立了人工智能（AI）这一术语，也因此被认为是人工智能诞生的标志。
经过60年的发展，人工智能历经三次浪潮，现在正处于第三个“春天”。“春天”的风正往哪儿吹？在由中国人工智能学会发起，联合中国互联网协会、中国计算机学会等20多家国家一级学会及协会举办的2016全球人工智能技术大会（GAITC）暨人工智能60年纪念活动启动仪式上，来自学术界和产业界的全球人工智能领域顶级专家们给出了答案。
机器感知能力正在超越人类
1956年至今，人工智能的发展可谓起起落落，一方面被视为冉冉升起的新星，另一方面也饱受批评，并遭遇过两次严重挫折。对于过去的60年，微软亚洲研究院常务副院长芮勇的评价是，“不仅仅是一个轮回，还是一次升华。现在正处于第三个春天。”
三星电子中国研究院院长张代君则认为：“目前人工智能的发展还处于比较初级的阶段。当下是人工智能的第三次高潮，而且还会有第四次浪潮的到来。”
自2006年以来，人工智能发展加速。究其原因，百度深度学习研究院“杰出科学家”徐伟认为，大计算能力和深度学习是主要推动力。一方面，经过几十年的积累，为可观的计算能力打下基础，另一方面深度学习的发展提供了灵活、具有快速建模能力的学习系统。这两者的结合，能够将大数据背后蕴藏的各种复杂关系快速提取出来。
徐伟表示，随着深度学习逐步在各种人工智能问题里深入地使用，在一些特定领域，机器的感知能力正在超越人类的水平。例如，在中文语音识别方面，百度的错误率是5.7%，而人类的错误率则是9.7%。另外，在人脸识别领域，人类的错误率是0.8%，而百度则是0.23%。
除百度外，谷歌、微软、IBM、阿里巴巴、科大讯飞等也是人工智能领域的佼佼者。美国东部时间2015年12月10日，微软亚洲研究院视觉计算组在2015 ImageNet计算机识别挑战赛中凭借深层神经网络技术的突破，获得图像分类、图像定位以及图像检测全部三个主要项目的冠军。在此次挑战赛中，微软亚洲研究院的研究团队使用了一种深度高达152层的神经网络，比此前成功使用的神经网络层数多5倍以上，将错误率降低到了3.5%。而在此前同样的实验中，人眼辨识的错误率为5.1%。
在芮勇看来，人工智能的属性包括聚合的智能、自适应的智能、隐形的智能，而微软在ImageNet挑战赛中的成功，证明了“深度学习彻底改变了图像识别领域”。他认为：“人工智能的下一个60年将是人类+机器，即把两者更强的地方结合起来，形成增强智能。”
还缺少什么
谷歌人工智能程序AlphaGo以4：1的战绩击败韩国围棋职业九段选手李世石，被认为是人工智能发展最新的里程碑。中国人工智能学会理事长、中国工程院院士李德毅则认为，从此次比赛中可以发现AlphaGo的局限性：AlphaGo仅仅是个围棋脑，还不是一个围棋手，更不是一个围棋机器人，既没有眼和手，也没有感知和行为能力。此外，它也没有情绪和情感，不能分析对手的心理状态，并在现场和对手展开心理战，缺失交互认知能力。
在李德毅看来，未来机器人给人带来的影响将远远超过计算机和互联网过去几十年对世界的改变。而理想中的机器人应该是“有智慧、有个性、有行为能力，甚至还有情感的。”
徐伟也认为，深度学习确实给人工智能带来了快速的进展，但未来还有很长的路要走。“人类智能的核心是自我学习和创造的能力。我们看到现在有很多具体的智能系统，比如AlphaGo，还缺乏一种自我学习和创造的能力。”
另外，一个小孩要认识一种物体只需几幅图就足够了，但计算机则需要几百幅图。“这是因为人工智能还很难从少量标注数据中学习。”徐伟说。
截至目前，谷歌无人驾驶汽车的行驶里程已超过200万公里，即使这样，实现商品化仍然很难。徐伟认为，核心问题是人工智能系统缺乏常识。“人看到一种路况就知道该怎么做，但机器缺乏常识性的理解，只能通过人一条一条把每种路况导入系统中去。要想解决这样的问题，最有效的方式就是放到真实的环境里去学习。”他透露，最近Facebook和微软也提出了类似的想法，即创造一个虚拟的环境，让人工智能体在这一环境中自己去探索，在与环境的交互中建立常识性知识。
“要做像人这样强大的人工智能，可能需要从最基础的东西开始。”徐伟说，“人工智能需要像幼儿一样，在一个环境中自主学习感知，拥有行动的能力，同时将语言能力作为核心嵌入到系统中。”
下一步的突破
从上世纪60年代至今，对于人工智能的研究主要从两个层面进行了探索，首先是逻辑层面，即通过逻辑和搜索来完善人工智能，在发现瓶颈后，又开始了机器学习的研究。
香港科技大学冠名讲座教授、国际人工智能学会会士杨强认为，人工智能的下一步突破将是通用性的人工智能，即将基于搜索和逻辑的人工智能方法与机器学习结合起来，形成一个完整的智能机器。“举个例子，就是一只鸡可以吃不同的食物，但是下的蛋都是对人类有用的。”
在杨强看来，人工智能的成功需要三大条件，一是高质量的数据，二是能够开发出先进算法的人才，三是强大的计算能力。
地平线机器人联合创始人、地平线机器人技术软件副总裁杨铭认为，深度学习近年来之所以备受关注，是因为一般而言性能的准确度是随着数据的增长而增加的，但其他机器学习方法随着数据的增加，性能在某一个点就不再提高了，而对于深度学习还没有发现这一现象。
他表示，深度学习的未来趋势包括四个方向：学习如何记忆及关注与取舍，把注意力集中到需要关心的细节上，增强学习以及整体任务的序列化。
人工智能要想发展，除了算法上的改进，还要解决硬件面临的挑战。寒武纪科技创始人及首席执行官陈天石表示，现在已处于从信息时代过渡到智能时代的开端。在智能时代，处理器的负载不再是以前的传统计算，而是深度学习。通用处理器将由此面临性能和功耗的问题。智能时代需要深度学习芯片作支撑。
（来源：中国科学报）
前沿君微信：tech9999
投稿邮箱：13355524@qq.com