0
| 本文作者： 李曉利 | 2017-07-17 18:18 | 專題：GAIR 2017 |
雷鋒網(wǎng)按：本文為美國賓夕法尼亞大學(xué)工程院院長Vijay Kumar在CCF-GAIR大會上做的題為“Challenges in Autonomy”的分享，雷鋒網(wǎng)進行了全文整理。全文分為上下兩部分，以下是第二部分。
傳送門：時隔一年 Vijay Kumar 再登 GAIR 講臺，講述自動化的技術(shù)與社會挑戰(zhàn)（上）
2017年7月7日至9日，全球人工智能與機器人峰會CCF-GAIR大會在深圳成功舉辦。本次由CCF中國計算機學(xué)會主辦、雷鋒網(wǎng)與香港中文大學(xué)（深圳）承辦。來自全球30多位頂級院士、近300家AI明星AI企業(yè)，齊聚智能科技產(chǎn)業(yè)盛會。
Vijay Kumar在無人機領(lǐng)域被稱為“無人機大神”。他在多機器人的編隊控制協(xié)調(diào)，做出了非常大的貢獻。2016年，Vijay Kumar在CCF-CAIR峰會介紹了無人機會向著Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集群）“5s”的趨勢發(fā)展。時隔一年 Vijay Kumar 再登 GAIR講臺，今年Vijay Kumar以“Challenges in Autonomy”為主題，進行了演講，重點介紹了自動化浪潮的技術(shù)與社會挑戰(zhàn)。Vijay Kumar是美國賓夕法尼亞大學(xué)工程院院長，同時也是美國國家工程院院士，美國電子電氣工程師協(xié)會研究員（IEEE Fellow）。
以下為Vijay Kumar演講速記全文整理，雷鋒網(wǎng)在不改變原意的基礎(chǔ)上做了精編：
說到自動駕駛汽車或者無人機的時候，大家都說，我們要有機器學(xué)習(xí)，我們確實在做機器學(xué)習(xí)，但是它有很多的限制。我們要讓機器懂得學(xué)習(xí)，如果操作者、設(shè)計者想要打破固有的框架，我們希望讓機器做更多的事情。比如我們可以做一些抽象算法，這些抽象的東西是人進行控制的，比如動態(tài)的模型，我們想學(xué)習(xí)如何在高速情況下防撞，我們可以用一些計算機學(xué)習(xí)通過對數(shù)據(jù)的收集、分析處理，當(dāng)時我們也可以讓我們的機器做更加復(fù)雜的運算。
另外汽車也可以去越過一些障礙物，但是需要掌握更加復(fù)雜的技能，這是機器學(xué)習(xí)的重要意義。能夠在更加復(fù)雜的環(huán)境當(dāng)中馳騁，我們要解決一些問題，包括計算機技術(shù)的發(fā)展，可以讓計算機做一些更加復(fù)雜的信息，可以建立不同的傳感器獲取更多的信息。我知道這里有張桌子、有椅子、后面有門，這樣的圖像就可以建立起來，幫助計算機學(xué)習(xí)和了解周圍的環(huán)境?，F(xiàn)在我們的計劃和控制沒有辦法通過機器學(xué)習(xí)來實現(xiàn)。
深度學(xué)習(xí)在我的實驗室里也有一部分，就是我們說的精準農(nóng)業(yè)，機器穿過橘子林，就能算出橘子的數(shù)量，飛機起飛之后，它可以穿過橘子林，正確得到橘子的數(shù)字，我們計算是很重要的。但是這樣的成果就可以讓農(nóng)民知道它今年的收成是多少，這樣就可以更好的優(yōu)化它生產(chǎn)的系統(tǒng)，包括后續(xù)的果實采摘、交通運輸?shù)鹊?，在好的收成年份有很好的幫助。比如一棵橘子樹，你?shù)到一半就數(shù)不下去了。現(xiàn)在有這樣的技術(shù)，你拿到95%的數(shù)據(jù)，這樣對精準農(nóng)業(yè)非常有幫助。
機器人和人工智能可以說還不能想象。我們應(yīng)該有更多的期待。格林斯潘在1997年就嘗試過利用機器預(yù)測金融危機，但失敗了。我們現(xiàn)在不能過度夸大人工智能的能力，我認為人工智能是有局限的。
首先，現(xiàn)在有很多數(shù)據(jù)過程，它需要機器學(xué)習(xí)。在學(xué)習(xí)過程中會帶來新知識。現(xiàn)在，我們數(shù)據(jù)的量每九個月就會翻一番，我們學(xué)習(xí)的知識遠遠趕不上這樣的速度。我想說機器應(yīng)該加強學(xué)習(xí)能力。我們計算非常復(fù)雜，現(xiàn)在可以做很高強度的計算，但不意味著機器就可以自動的完成這些事情。
其次，如果我們可以數(shù)果實，99%都是對的。但我們可能需要很大的數(shù)據(jù)才能夠完成這個任務(wù)，如果要把準確率從90%提升到99%，可能需要花很大的力氣才能實現(xiàn)這個目標。所以，在某種程度上，我們所需要的數(shù)據(jù)量，是乘幾何倍數(shù)的增加。你要數(shù)果實，可能不需要99.99%的準確率，只需要90%。但是你一輛車每分鐘90分鐘的速度就需要99.99%的準確率。自動化數(shù)果實不一定要那么準，但你要開車或者在YouTube上找一個貓，準確率不需要那么高，但要駕駛一個車，準確率就要非常高。另外，采取行動之前必須要有認知，這個認知越來越困難。同樣，行動也是一樣的。你要經(jīng)過感知之后采取相應(yīng)的行動，這樣一個循環(huán)往復(fù)，就會給你帶來一個很大的計算量和很大的數(shù)字。
最后，我之前沒有講到這一點，但是Oussama Khatib教授提到了。那就是我們想做實體的會更難。尤其是飛行和開車，我們不會有實際的接觸，這只是通過數(shù)據(jù)實現(xiàn)。但如果要有實際的接觸，會更難。
未來自動化機器人，人機之間的互動，會是發(fā)展方向?，F(xiàn)在我們對這一點的研究還非常初步，除非能夠找到人機互動之間的和諧方式。我們可能做一些非常簡單的任務(wù)，未來會有更多的挑戰(zhàn)。人工智能還有機器人要往前發(fā)展，還需要做很多努力。
另外，關(guān)于能源問題。我們在空中舉起一公斤的重量，需要200瓦，如果你要舉起一個50公斤的人，可能需要更大的能量消耗?，F(xiàn)在我們的技術(shù)還沒有達到這樣的水平，尤其是要消費的能源，如果模式不發(fā)生改變，在未來就很難實現(xiàn)。因為你可以看到電池越來越貴。我現(xiàn)在要來到北京，可能看到很多電動車在上路。那就意味著這個電動車未來的電池價格會下降，特斯拉也在做自己的電池工廠。但現(xiàn)在我們知道，事情還遠遠沒有達到理想的狀態(tài)，我們將會在未來把很多東西提到天上去。這個過程需要消耗大量的能量。有一家公司叫做Jet Optera，他們由一個非常快的速度，承重可以達到5鎊，是用化學(xué)燃料。尤其是航空行業(yè)，如果不用化石燃料，可能很難有發(fā)展。
現(xiàn)在我們有很多挑戰(zhàn)，比如在社會中。第一，這個世界是多種多樣的，這個世界可以獲得各種各樣的科學(xué)技術(shù)的發(fā)展和進步。我覺得這就是所謂科技的民主化?，F(xiàn)在一個高中生，對于機器人的了解比我在大學(xué)之后的程度還要深。這就是技術(shù)發(fā)展的速度，當(dāng)然，也有很多的機會，同時，也有一些陷阱。為什么我這么說？我想向大家展示一張漫畫（上圖），我們當(dāng)時在發(fā)明車輪的時候，是怎樣的情景。如果有人要做車，這個人要很有錢才行。這張圖片可以看到，這個國王是四個人才把他舉起來，而我們說只有國王才能坐轎子，其他人沒錢坐轎子。但現(xiàn)在有了車輪之后，三個人丟失了工作，只需要一個人就能夠拉車。好像現(xiàn)在計算機技術(shù)的發(fā)展，機器人未來可以完成越來越多的工作，就會有很多人失去工作。對于我們來講，就會有更多的技術(shù)呈現(xiàn)在我們面前。
從我們的角度出發(fā)，有這樣一個金字塔，當(dāng)談到研究以及研究到哪個程度，就會出現(xiàn)這個金字塔。這個金字塔展示了最底部，有很多人薪資非常少，很有可能能換成人民幣，不管是在哪個國家，同樣的情況都是如此。但隨著研究程度不斷提升，這個金字塔越往上走，人就越少，社會財富總是掌握在少數(shù)人手中。你研究的越多，就會有更多的機會能夠接觸到高薪工作。這對于目前的環(huán)境來說也是如此。
從四年前到現(xiàn)在情況發(fā)生了極大的變化，金字塔發(fā)生了變化，我們都在探討這個金字塔到底哪個部分會慢慢失去。很多人認為，最低端的工作會被機器人期待，但我認為不是，因為現(xiàn)在機器人還沒有辦法達到三歲小孩的思考能力。我們不可以同樣一個機器人和中國五歲的小孩玩其他游戲并且戰(zhàn)勝這個小孩。我們認為機器人在復(fù)雜的計算能力里還是有局限的。在沒有特別多的訓(xùn)練里，他們的工作仍然可以做得很好。但四年之后，中間的工作會消失，可能并不是最頂尖和最底部，而是中間的工作會給到這些人?，F(xiàn)在可能最好中國大學(xué)畢業(yè)的學(xué)位或者世界上最好大學(xué)畢業(yè)的學(xué)位，你們已經(jīng)做到這一點。
在考試中得到了好成績。但機器人現(xiàn)在最擅長的就是考試。所以對我們來說，如果你只是擅長考試的一個機器，你今天就有可能被機器人取代。因為機器人可能考試比你好，四年后你的工作可能就要拱手讓給機器人了。這是我們對未來機器人發(fā)展的想法。對我們來說，最好的解決方案就是通過教育做到，我們要不斷學(xué)習(xí)，盡管我已經(jīng)是一個教授。拜登曾經(jīng)說過永不停止的教育，這樣的說法能幫助我們拯救社會，幫助我們免予受到機器人取代這一步。
安全性，我們很難理解到底在機器人當(dāng)中所謂的安全性是什么，現(xiàn)在并沒有過多的數(shù)據(jù)指導(dǎo)，對安全性進行量化。但我們現(xiàn)在談到的安全性多種多樣。
第一，所謂驗證。比如你有一個洗衣機，如果你想證明它是一個洗衣機，就必須要證明這個洗衣機是一個洗衣機的特質(zhì)。洗衣機的特質(zhì)是把衣服放進去洗衣機就可以洗衣服。所以你可以證明這個機器是一個洗衣機。但現(xiàn)在要證明是機器人很難。
第二，信任。我們提到這個機器人，我們要證明機器人，事實上并不會出現(xiàn)任何人類所希望看到的結(jié)果。我們會看是否能證明它不會漏水，它并不會造成電器的短路。所以我認為信任也非常重要。
第三，安全性。在實體世界中，有兩種方法，能真正觸動一個系統(tǒng)或者侵入一個系統(tǒng)。要么黑進一個系統(tǒng)或者黑進一個感應(yīng)器?，F(xiàn)在如果要去黑一個自動駕駛，不是黑系統(tǒng)而是黑感應(yīng)器。要么是攝像機要么是其他感應(yīng)器黑掉，黑掉以后就黑掉整個系統(tǒng)。談到安全性，很多人之前沒有提到或者想到。在不斷推動自動化系統(tǒng)過程中，安全性非常重要。
我們生活在一個非常興奮的時代，如果我們來看一下這個橫軸，當(dāng)時出現(xiàn)了實體世界的革命，然后進入半導(dǎo)體革命，然后有互聯(lián)網(wǎng)帶來網(wǎng)絡(luò)革命，現(xiàn)在正在進行人工智能以及機器人，現(xiàn)實世界和虛擬世界的結(jié)合。我們相信未來會不斷推廣，我們走著這段發(fā)展道路。而對于人來說，發(fā)生了變化，但是人的發(fā)展是一個線性的過程，如果看一下政府對技術(shù)的理解以及政府如何通過技術(shù)進行政策推廣。事實上比我們更慢。人在不斷的適應(yīng)各種技術(shù)，社交媒體就很好，我們現(xiàn)在在不斷的接觸和了解并且適應(yīng)機器人。
未來有了自動駕駛的汽車和飛行器，除了安全問題，還要探討政府的政策和法律監(jiān)管。很多政府現(xiàn)在還沒有想到那么多，美國的政府可能已經(jīng)在探討這方面的問題，而中國政府還沒有探討到很多對于自動駕駛汽車、自動駕駛無人機的法律監(jiān)管問題。我相信這部分也是我們重點進行關(guān)注。我知道我們現(xiàn)在確實有Oussama Khatib提到的潛水機器人、手術(shù)機器人，都能得到有效的利用，但我們要探討如何進行安全利用。未來這點會越來越重要。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
