肯·戈德堡：机器人间的“知识共享”带来的是威胁还是机会？

今日，极客公园创意大会 IF 2018 之后在北京开会，加州伯克利分校工业工程和运筹学系由教授尼克·戈德堡（Ken Goldberg）共享了《机器人间的“科学知识分享”带给的是威胁还是机会？》的主题演说。尼克·戈德堡，是一位艺术家、作家、发明家和机器人学及自动化领域的科研工作者。自1995年以来，他就仍然兼任加利福尼亚大学伯克利分校（UC Berkeley）工业工程和运筹学教授，同时担任电子工程系、计算机科学系由和信息学院教授。

在这次演说中，戈德堡主张不必担忧机器人不会忽然之间打破我们人类的能力，并且不会代替人类。他回应，我们所要考虑到的不是奇点的问题，而应当考虑一下我们人类独特的技巧、技能是什么，有可能我们不会有新的方式和一些新的智能系统展开合作，从而更佳的强化我们的多样性。以下为演说全文，(公众号：)展开了整理编辑：尼克·戈德堡各位早上好！我们今天来讲一下机器人，在电影里面，在电视节目里面、在书本里面、在报导里面，我们都看见机器人的讲解，一些人说道，今后不会有这样一个奇点经常出现，也就是说，在一个时刻机器人不会忽然之间打破我们人类的能力，并且不会代替人类。我们的人类也就不会失业，以后也就仍然最重要了。

只不过，我是研究机器人这块的，我实在这样的担忧是没适当的。今天我们来分三块讲讲这个问题。首先，我们来讲一下过去，讲讲过去哪些东西不是新的，现在来讲讲哪些是新的东西，应当怎么样对未来作好打算。

看一下1993年的时候，我们告诉万维网是在那个时候经常出现的，我当时在实验室里面，当时我们所在的这个大学是在研究计算机、万维网，我们当时让我们的机器人到了一个花园里面，然后把它和互联网连接起来，我们做到了一个模块，每一个都可以通过它的桌面，然后和我们的花园对话，我们也邀全球的人们一起来协助我们展开花园的栽种。我们做到了什么事情呢？我们只不过不过于告诉，当时大家的热情不会怎么样，但是渐渐的更加多的人重新加入到这样一个远程花园栽种的过程当中来，之后大约几十万人参予到我们花园的栽种工作。我们告诉，当有很多人一起栽种花园的时候，有时候可能会有一些失控的状况，我们借此也是汲取了一些经验教训。我们只不过也是十分慎重，因为有时候如果有大量的人一起做到事情，你必须去做到一些打算的。

现在有什么样一些新的东西呢？大家现在都在谈无人驾驶车，只不过这个概念就是指Google开始的，Google对这块的事情十分有兴趣，为什么呢？只不过Google的车就像远程的花园一样，他们是通过云端来已完成它的一些运维。从这个意义上来讲，也就是说，我们的机器人是必须语音才需要去做到的。现在在变化的一个事情，我们告诉，只不过在云的网络性这块早已有了相当大的一些变化。

我们可以看见在网络网络性这块早已有了一个十分大的发展，也不会有更加多的发展，这个就和我们刚才谈的云机器人，也就是我们不会把机器人和云展开相连。可以去看看这样的一种场景，不告诉你们家里面是怎样的，但是我家里面只不过早上就跟这个状态差不多，我是期望我去下班之后，返回家里之后，这个机器人就不会把我家里面全部清扫整洁了，我实在这个是很多人都期望有的一些东西。

但是这里的一个问题，我们这个时候家里面就不会有很多东西必须整理，家里面有时候是有一些新的东西拿进去的，机器人如果去整理一些根本没看见过的东西不会怎么样呢？现在由于我们这个机器人今后不会和云端网络，它们就可以展开云端产品的索引的利用，通过这样一些索引，去告诉家里面的每一个东西，去辨识它，这个就是我们所讲的语音机器人的益处。这里不仅有各种物体的一些数据，还包括图片、代码，都可以中用这样的大数据。

还有另外一个场景，在我们进舞会之后的清理，拿东西去清扫的这样一个工作。比如说，我们让机器人去清理桌子，从机器人显然，他看上去的东西是什么样的视觉效果，我们看见这样的传感器并不是尤其定，有很多的噪音，他的控制器也是有很多的噪音。

毫无疑问，我们现在的这个机器人，只不过在捉这些东西的时候，变得尤其的僵硬，因为这里面一个十分关键的问题，就是我们所讲的不确定性，我们对整个环境、整个控制器这块，并不是尤其的有确认精准性。现在我们有可能今后可以把机器人和大量的计算机资源通过云端展开网络，现在我们早已有了一个族群的计算出来，这样我们就可以做到一些统计资料的模型，然后在云端展开分析。这个也是我们所讲的云的益处，可以利用我们云计算的一些资源。还有另外一个益处，我们所讲的这样一个场景，比如说非洲，我只不过很幸之前在非洲出生于的，前几年我回来过一次，当时我十分吃惊的看见，现在在非洲的这些学生，只不过就像我们在中国、巴西、印度的学生一样，只不过他们都十分讨厌机器人，为什么呢？因为机器人是十分有意思的一个东西。

我们告诉，只不过通过这个机器人可以教给很多的学科，很多孩子们通过机器人就可以去学很多很多有所不同的学科，那么在非洲，我们有一个非洲的机器人网络。我们有一个全球的竞赛，让大家设计一些较为低成本的机器人，用作我们的教育目的。

当时，我们也就是指有所不同的地方取得了各种各样的点子、建议，大约50或者100美元的设计吧。其中有一个十分十分低廉，不一样的。有一个人是中国人（台湾的一个设计家），他明确提出了游戏控制器，他把游戏控制器拿出来，然后把轮子、电机都放上去，然后就去进它，它装有了一个电源，他只不过是把一个棒棒糖放到这个机器人上面，他把这个机器人称作棒棒糖机器人，大家可以网际网路去看见这个机器人是怎么做的。

它的成本非常低，大约8.64元，这个就是一个很好的例子，大家可以看见，我们只不过通过云端，就可以让大家把自己的代码、设计展开共享，所以我们可以看见，机器人一旦机器网络之后，只不过机器本身可以展开很多科学知识的共享，就像我们人类展开科学知识共享一样。现在我们来讲讲，机器人捉、握住这样的动作，这也是我和我的学生研究的一个领域。大家可以看见，这样的一些工作，即便是一个小孩子也可以去做到，也就是说，它可以从Demo里面把这个积木堆起来，这个对人类来讲是一个非常简单的工作，但是这个动作只不过对机器人来讲是十分有挑战的，我们告诉做到这个事情今后是必须的，如果我们期望需要在电商这块把机器人用一起的话，就必需要有这样的动作需要已完成。

像京东这样的公司，都会有这样的一些仓库，这里面有大量的产品，而且是在一个十分十分极大的仓库里面，我们必须需要迅速的寻找我们必须的订单产品放在盒子里面，然后发货。我们不会找到这个事情做到一起对机器人来说是十分的，应当说道，它是机器人行业里面的大挑战，怎么样需要拿起东西，然后把它捉、握住一起，特别是在是各种各样的东西。这个东西如果需要作好的话，只不过对工厂、仓库来说，都是十分大的一个变革。

只不过在计算机视觉这块，早已有了相当大的发展。我们现在这样的视觉系统，可以对视频里面的画面，比人眼更慢的展开辨识，之所以需要有这样的一种顺利，是由于我们现在有了深度自学，我们现在需要搜集大量的样本图片和画面，然后展开深度自学系统的训练，对机器人来说，我们是必须更大的一个数据集、更好的样本，这样才需要让机器人做到各种工作。计算机视觉的发展，由于李飞飞的贡献，我们告诉她只不过做到了很多图片的一些工作，现在我们也是想要做到类似于机器人这块的工作，当然我们做到的不是图像，而是做到很多3D模型的数据集，然后我们对每一个东西做到涉及的标签。

我们的同学们，现在在做到一个灵活性的3D物体的网络，在这样一个模型当中，我们不会把这个物体展开分析，我们不会分析每一个物体的捕捉点在哪，我们不会看见有所不同的物质，它们的捕捉不会是什么样的。我之前也说道过，不确认是不可避免的，所以我们期望可以去找一个十分不利的捕捉的动作，比如说在右边的捕捉动作，就不会比左边的捕捉动作更加强有力，所以说道这必须我们在掌控上有十分小的容错亲率，为此我们必须大量的资源，所以我们就期望可以用于云，我们和Google展开合作，并且用于他们的云计算系统，从而把这样的计算能力产于到几千个计算器上，我们也有一些新的技术，比如说我们的数据采样，我们也可以用于深度自学，然后来更佳的计算出来较为熟知的一些物体，把他们放在我们的数据集当中，我们也不会自学其他领域的一些科学知识，并且我们也十分想看一些较为无以捕捉的物体，比如说一些多边形或者是点状性，对于这些图形，我们不告诉应当怎么捕捉它，所以我们期望搜集他们的模型，并且来打造出我们的Dex-Net。

同时，我们也开始展开实验，特别是在是在我们的实体机器人身上，我们有所不同研究机构的同事们，就在做到这样的事情，他们不会让众多组的机械臂、机器人，让他们大大地去捕捉有所不同的物体。我们的团队做到的事情，就是研发了Dex-Net 2.0版本，我们把这些物体的模型，把它和深度自学结合，我们就可以把在实验室里面所取决于的这些，在云上存储的物体模型，放在我们机器人的实际实践中当中，这就是我们所做到的，我们可以看见这个机器人可以不时地找寻到这些物体，然后从一个大筐子里面把他们拿出来，放在一个小盒子里面。

我们机器人的捕捉成功率十分低，当我们在这里讲话的时候，我的学生们也正在实验室里面之后展开他们的研究，而且很多公司也乐意用于我们的方法，并且期望可以把我们的理论放在现实的实践中当中，还包括在中国，因为我们都告诉，在中国，中国政府期望可以更佳地不断扩大电商的规模和效应。我们再说一下我们的工作，比如说我们的技工、餐厅里面工作的厨师，这样的工作是较为安全性的。我们正在获得变革，但是我们还是很难代替这样简单的工作，但是我们说道到云机器人的时候，我们也必须考虑一下背景，我们看见了相当大的潜力，但是我们也要告诉，它们现在还很难代替人类的工作。

而且我也想一下我们网络以及云的一些限制性，比如说，我们所获取的服务质量有所不同，以及我们对于隐私和安保的隐患。接下来，我们再行来说一下，如何为未来作好打算，我之前提及过，很多人十分担忧，大家十分情绪，有很多人担忧，有可能这些AI系统，以及机器人可能会代替我们的工作，让我们失业，只不过这种担忧由来已久，很早以前之前我们人类就开始担忧，有可能机器人不会经常出现然后代替，甚至吞并人类。我想问一下，大家告诉不告诉，现在平均值每100个人类，他们享有多少个机器人？有可能很多人会说道150个、200个…但是实际的答案是将近1个。平均值每100个人类工作者，他们只有1个机器人可以用于，在这个背景之下，我们可以新的返回我们的问题，机器人是一种威胁，它不会代替人类，还是说道我们可以把它们看做是一个机遇。

返回我们这个词“奇点”，我坚信这个词为我们带给了很多的担忧、忧虑，但是我指出这还是在较远的将来，我也期望给大家带给一种其他的点子，那就是多样性。多样性所指的是，一组机器人，或者AI系统，以及一组人联合合作来解决问题，这是人工智能和智能增幅的一个人组，也就是AI特IA，我们必须意识到，我们的人有有所不同的思维方式，我们都有各自的优势，有一些人有可能口头能力很强、有的人数学能力很强、有的人视觉能力很强，每一个人都可以为大家带给有所不同的技能和技巧，我们可以想要一下，AI有可能只是另外一种智慧形式而已，忽略它会代替我们，它们只是不会协助我们展开更佳的合作，所以我们现在在云上用于的各种技术，还包括Google和百度这样的搜索引擎，它们可以通过将机器和人类的信息互为统合，来为我们获取很好的搜寻结果，而且的自动化也可以用作一些引荐系统，比如说书籍、电影、产品的引荐。我常常不会写出这样的文章，并且做到一些这样的演说，是因为我想告诉他各位，我们必须对这些技术十分小心，因为现实的情况并不是我们与机器在对付，并不是两者只有一个可以存活下去，实质上我们必须考虑到的是，我们应该如何和这些新的机器展开合作，AI可以协助我们强化人类的展现出，它可以沦为我们的另外一种工具和资源，我们可以用于这种工具、资源，利用的更加有建设性，来强化我们的技能和技巧，因为人类所享有的技能和机器的技能有所不同，比如说机器十分慢（特别是在是在计算出来方面），但是我坚信，人类在其他的事情上有可能做到的会更佳。我们想做到的事情就是思维一下未来，我们的下一代，我们必须新的思维，我们应该如何教育我们的孩子和学生，我们必须特别强调的不应该是一致性，一致性所指的是我们必须躺在椅子上，听得老师授课，做到一样的事情，这是我们传统学校的教学方式，但是在未来，我们应该特别强调的是创造性、多样性、团队合作，就像这些巴基斯坦的女孩一样，她们来美国参与一个机器人的比赛，这才是未来确实的样子。

而且也有很多人类独特的技能，这些事情是我们比机器还强劲的，而且我们总有一天比机器都强劲，比如说我们的同情心，我们的回响感觉，还包括我们的创造性，这都是人类独特的一些技巧，所以我们必须花上更加多的时间去培训、训练或者强化这些能力，而且我们必须大大地强化我们社交的能力，这样我们可以更加有效地的聊天，而这些人类技巧是会消失的。最后总结一下，我们今天谈及了，首先哪些不是新的，比如说，我们的远程花园、云，这些东西不存在已幸了，当然他们还是很有影响力的，而且可以让我们可以非常简单的看一下未来是什么样子，新的是什么呢？那就是我们的云机器人，以及我们把所有的机器人相连在一起，来展开联合的合作。

我们如何对未来作好打算呢，我们所要考虑到的不是奇点的问题，我期望我们可以跪到一起，来考虑一下我们人类独特的技巧、技能是什么，有可能我们不会有新的方式和一些新的智能系统展开合作，从而更佳的强化我们的多样性。谢谢各位！录：更加多机器人方面资讯可注目公众号原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：pg电子官网-www.medicalhealthinsurancetoday.com