英特尔中国研究院院长宋继强：融合 AI 与 SI 推进智能机器人产业

本篇文章2652字，读完约7分钟

雷锋。作者:宋继强，英特尔中国研究院院长。

宋吉强

今天，我们正在拥抱一个万物智能互联的新世界。越来越多的对象和设备通过网络相互连接，这使得数据爆炸。数据洪流汹涌澎湃，数据正成为技术领域最重要的驱动力。人工智能、自主驾驶、5g和vr/mr等一系列前瞻性技术的出现，为我们提供了充分释放这些数据潜力、不断提升人类生活体验的机会。

我很高兴从今天开始，我们将开设英特尔中国研究院雷锋专栏。有了这个平台，我们希望分享和交流英特尔对前瞻性技术趋势的观察，并讨论所有事物智能互联的现在和未来。作为专栏系列的开始，让我们从机器人和人工智能的角度来探索数据洪流时代的工业机遇。

融合人工智能和智能促进智能机器人产业发展

机器人作为人工智能最重要的应用领域，一直备受关注。经常出现在好莱坞大片中的智能机器人给公众带来了很高的期望，但是真正的服务机器人的智能能力远远达不到标准。随着最近由深度学习驱动的人工智能浪潮，如何打破智能机器人产业的游戏是一个非常重要的问题。我认为有两个方面非常关键:一是人工智能和智能交互的深度融合；另一个是智能机器人的安全性。我们稍后将讨论安全性，今天我们将重点讨论ai和si的集成。

人工智能在学术界有一个共同的定义，那就是理解智能的本质，并且能够制造出像人类一样以智能方式响应外部输入的智能机器。这门学科的最终目标是使机器具有智能反应能力，因此智能机器人可以被视为人工智能的最终目标。

有两种方法可以理解智力的本质:

一种是通过哲学或心理学的方法从外部观察人们的行为，推测聪明人的思维方式；

另一种是通过大脑活动检测技术和精心设计的实验，切割人脑来观察神经解剖结构，发现智能活动的规律。

当我们对智能有了理解(不一定正确，但至少有了模型)，如何使机器智能化需要数学家、计算机科学家和自动化专家来研究。因此，有许多与人工智能相关的学科，除了软理论、模型和算法，它们还需要依赖硬件，例如，需要芯片为其提供强大的计算和存储。对于机器人的智能体，需要复杂的系统控制技术。

现在这一波人工智能实际上受益于计算和存储的最新改进。神经网络技术受大脑神经元结构的启发，但它与大脑的处理过程完全不同。它由大规模数据训练，然后机器从数据中学习一些内在的规律，形成一个模型，然后用这个模型来推测新的数据。这就是所谓的机器学习过程，它需要大量的存储和计算能力，而我们现在正处在一个非常适合其大发展的时代。

为什么它非常合适？得益于摩尔定律，在过去的20年中，硬件的能力得到了极大的发展，单位成本的计算能力增加了15，000倍，存储能力增加了30，000倍。通信技术已经从有线发展到无线，现在正向5g发展。这意味着我们不仅可以让智能机器拥有强大的大脑，还可以在需要时灵活使用云的功能。云和终端的结合释放了持续学习和改进的能力。

人工智能的算法，像深度学习一样，在统计和大数据方面有了很大的飞跃。它在图像识别和语音识别方面已经超越了人类的能力。此外，我们可以看到更大的数据是可能的。例如，无人驾驶汽车一天产生4tb的数据，这是来自不同来源的异构数据。有了这些数据后，我们应该考虑如何处理它来产生实时价值，并提供可靠和高质量的服务。

如今，深度学习一枝独秀，但它不足以处理如此多的数据来完成目标任务。因此，nn+x意味着向神经网络添加各种新技术，并正视人工智能算法的局限性。引用人工智能领域的大牛罗德尼·布鲁克斯教授(rodney brooks教授，行为学派的杰出代表，美国国家工程学院的院士，irobot、rethink robotics的创始人，baxter的父亲，麻省理工学院csail的前主任)的话，他主张不要用任何逻辑模型或神经网络模型来模拟人的思维过程，而是通过实际的代理来感知它，然后研究如何通过系统范围的优化做出正确的反应。他认为这个行业尤其不应该沉迷于某项技术，但重要的是要根据实际需要使用这项技术并为人类提供价值。他认为，人工智能在第一轮中能提供的价值约为五年，在辅助驾驶和自动驾驶领域，第二轮约为十年，在机器人领域能为老年人提供巨大的社会价值。

整个行业正在采取三个步骤给机器增加智能。

首先，一些未连接的设备连接到网络。连接到网络后，设备具有传输和更新信息的能力，它还可以结合社交服务提供客户价值。但这并不聪明，只是设备之间的相互连接。

第二步是我们现在所处的智能设备的水平，实际上就是这些可以在手机上提供的智能服务，增加视觉和听觉识别能力，然后结合数据挖掘技术和知识库来提供服务。这些智能机器可以听和看，但是它们不能理解和理解。

最终目标是第三步，也就是自主机器。

现在，我们基本上已经跨过了第二步，正在向第三步迈进。然而，这个发展过程不是线性的，因为从第二步到第三步，它会变得越来越复杂。不仅要了解环境和行为，还要了解人们的情感。因为机器人为人类服务，如果他们不能理解人们的情感并达成共识，他们就不能提供好的服务。

从ct到rt，人工智能技术需要与其他技术紧密合作，完成“感知-认知-执行”的人机交互闭环

智能机器人是一个典型的自主系统。如上图所示，从当前的计算机技术(CT)到未来的机器人技术(RT)，人工智能技术需要与其他技术紧密合作，完成“感知-认知-执行”人机交互的闭环。机器人在开放的环境中工作，为不愿遵守严格互动规则的普通消费者服务。整个交互过程中有很多不确定性，没有人工智能算法可以保证没有问题，所以必须结合其他技术来满足消费者对智能机器人的期望。我认为智能交互(si)是最好的选择，因为它可以充分利用人类作为总代理，通过机器人的移动性和主动交互能力来补充人工智能。

举两个例子来说明智能交互的力量。我们知道在视觉识别物体时，角度和遮挡都会影响识别效果。对于机器人来说，可以选择一个好的角度，避免遮挡，利用移动性准确地识别目标。此外，当场景被理解时，如果可以被精确分割的对象不确定它是什么(例如凳子或咖啡桌)，机器人可以主动组织一个问题来询问人们。由此可见，灵活运用机器人的主动运动和交互能力可以显著提高整体服务能力，促进智能机器人的产业化。

总之，我认为在智能机器人的商业化迭代中，首先要保证服务能力达到标准，然后在这种能力要求下选择合适的人工智能算法，并配合灵活的智能交互方案来实现这种能力。随着算法能力和硬件技术的提高，在保持服务能力的同时，逐步扩大人工智能的比重，是通过商业开发推动人工智能技术发展的一个良性循环。

雷锋的特别贡献。严禁擅自转载。详情请参考转载说明。

来源：搜狐微门户