機器人的“大腦”與人類大腦有很大的不同，指導機器人如何處理各種事項通常來說就是編寫的代碼是否正確的問題。這聽起來似乎機器人比人類的學習方式更為簡單，但實際上則是更加困難——因為機器人沒有人類的直覺，由于不會根據(jù)不斷變化的環(huán)境而作出變通和適應，使得很多事情變得幾乎不可能實現(xiàn)，比如雷鋒網(wǎng)報道過的比戰(zhàn)斗機還復雜的Atlas，還無法適應復雜的環(huán)境。

加州大學伯克利分校（UCB）的一組研究人員展現(xiàn)了一個機器人，其可以通過不斷地試錯來學習，就像人類的學習方式一樣。它的形成使人類在人工智能領域的研究向前邁進了一大步。

UCB的電氣工程和計算機科學系的教授 Pieter Abbeel 表示，“已經(jīng)研發(fā)出了一種全新的方法來賦予機器人學習”。

這個方法的關鍵之處在于，當這個機器人面對了之前從未接觸過的新鮮事物時，研究人員也不必對機器人重新編程。完全相同的軟件，但在研究人員讓機器人學習所有不同的任務時，軟件卻能對機器人如何學習進行相應的編碼。

該團隊開發(fā)了一系列的算法，允許一個名為 BRETT 的 Willow Garage PR2 機器人學習一系列電機操作的任務，例如擰水瓶蓋子或組裝玩具飛機，而這一切任務在執(zhí)行之前研究人員并沒有進行預編程，用中國的一句俗語來表達的話，就是讓機器人“摸著石頭過河”。

這一方法允許機器人在遇到比它們通常的操作環(huán)境還要更加雜亂的環(huán)境中更有效地運作，如工廠或?qū)嶒炇摇?/span>

大多數(shù)的機器人應用都是將機器人放置在一個受控的環(huán)境中，所有的物體都處于可預見的位置上。而把機器人放到普通的現(xiàn)實生活中的挑戰(zhàn)則是機器人必須能夠感知和適應周圍環(huán)境，周圍的環(huán)境則是在不斷的改變。

為了讓機器人的學習能夠模仿人類學習，團隊需要接入機器學習研究的一個分支——深度學習。關于深度學習雷鋒網(wǎng)有過很多報道，它會使用一種方法，讓人造神經(jīng)網(wǎng)絡能夠從一個基線上推斷出相應的知識，整個學習過程都無需研究人員對下一層的數(shù)據(jù)進行編程。

人類在整個生命歷程中都會通過我們自己的經(jīng)驗和其他人那里學習到新的技能。這個學習過程深深扎根于我們的神經(jīng)系統(tǒng)中。

通常情況下，當研究人員提供了這個物體看起來像什么和他們在什么位置的信息后，BRETT能夠在10分鐘以內(nèi)就掌握每個任務。而如果讓BRETT自行識別并定位到這個物體，則需要花費約3個小時才能完成——但隨著數(shù)據(jù)處理能力的提高，它的速度也會提高。

隨著處理的數(shù)據(jù)量不斷提升，機器人就可以開始學習如何處理更復雜的事情，在未來5到10年，我們可以看到機器人學習能力顯著的進步，甚至是教小孩寫字了。

via cnet

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。