在人們意識(shí)當(dāng)中，機(jī)器人按照開(kāi)發(fā)者的意愿而做出指定的動(dòng)作似乎是一件理所應(yīng)當(dāng)?shù)氖?，而且，機(jī)器人完成任務(wù)還要做到精準(zhǔn)、迅速。然而，F(xiàn)acbook 的研究人員卻不走尋常路，他們有意讓機(jī)器人“犯錯(cuò)誤”，這到底是為什么呢？

”

“明知故犯”是“智”也

在 Facebook 位于硅谷的新實(shí)驗(yàn)室里，有一個(gè)叫作 Sawyer 的機(jī)器人（來(lái)自已經(jīng)倒閉的 Rethink Robotics 公司），它紅黑相間的手臂揮舞著，試圖完成研究人員交給它的任務(wù)。

按照指令，Sawyer 的手臂應(yīng)該移動(dòng)到右邊一處固定位置，然而，Sawyer 把手臂抬高，然后偏離軌道，錯(cuò)開(kāi)了指定位置，重新回到了原點(diǎn)；研究人員只好將 Sawyer 重置，讓它繼續(xù)完成之前的任務(wù)。這一次，Sawyer 的手臂確實(shí)往右移了，但就在非常接近指定位置的時(shí)候，它再一次偏離了運(yùn)動(dòng)軌道，回到了起始位置。兩次任務(wù)都失敗了。

或許有人會(huì)覺(jué)得 Sawyer 的“頑劣”行為令人抓狂。但就像兔子為了躲避獵鷹而迂回前進(jìn)一樣，Sawyer 看似笨拙的行為實(shí)際上是一種特殊的聰明。

Facebook 認(rèn)為，無(wú)論是對(duì)于機(jī)器人的開(kāi)發(fā)，還是 AI 的開(kāi)發(fā)來(lái)說(shuō)，這種聰明都至關(guān)重要。

強(qiáng)化學(xué)習(xí)讓機(jī)器人更“聰明”

一般來(lái)說(shuō)，開(kāi)發(fā)者會(huì)編程機(jī)器人，讓他們通過(guò)這些設(shè)定好的指令來(lái)執(zhí)行動(dòng)作，不過(guò)從某種程度上來(lái)說(shuō)，這種方式有點(diǎn)死板。

而我們?nèi)祟?lèi)在學(xué)習(xí)上則要聰明得多。因?yàn)?，即使是嬰兒也明白，物體從視野中消失并不代表從世界上消失；玩具球可以滾來(lái)滾去，沙發(fā)卻不行；長(zhǎng)大后，人們能夠?qū)W習(xí)駕駛，而不是撞車(chē)。

這一切都要?dú)w功于人類(lèi)大腦里建立起來(lái)的世界模型。

Facebook 首席 AI 科學(xué)家 Yann LeCun 表示：

如果我們?cè)趹已逻呴_(kāi)車(chē)，方向盤(pán)只要往右轉(zhuǎn)，汽車(chē)就會(huì)掉下去，所以，我們絕不會(huì)這樣做。我們大腦里的世界模型會(huì)阻止我們自己做傻事。

Facebook 也在嘗試為機(jī)器提供這種模式，Yann LeCun 補(bǔ)充道說(shuō)，建立世界模型的系統(tǒng)是 AI 取得重大進(jìn)展的下一個(gè)挑戰(zhàn)。

實(shí)際上，F(xiàn)acebook 并不是第一個(gè)嘗試讓機(jī)器人學(xué)會(huì)自我移動(dòng)的團(tuán)隊(duì)。

在加州大學(xué)伯克利分校，研究人員使用了一種名為強(qiáng)化學(xué)習(xí)（reinforcement learning）的技術(shù)，讓雙臂機(jī)器人 Brett 把方形釘子塞進(jìn)一個(gè)方形洞里。

在此過(guò)程中，研究人員會(huì)讓 Brett 嘗試許許多多隨機(jī)的動(dòng)作：如果 Brett 更接近目標(biāo)，系統(tǒng)就會(huì)給它“獎(jiǎng)勵(lì)”；如果 Brett 搞砸了，系統(tǒng)會(huì)給它“記過(guò)”。

這些記錄，Brett 都會(huì)保存下來(lái)，然后經(jīng)過(guò)多次迭代，它會(huì)越來(lái)越精準(zhǔn)地找到方洞，并把釘子放進(jìn)去。

創(chuàng)新的自我監(jiān)督學(xué)習(xí)

而 Facebook 的嘗試有點(diǎn)不同，F(xiàn)acebook AI 研究科學(xué)家 Franziska Meier 表示:

我們想嘗試的是給機(jī)器人灌輸好奇心的概念。

人類(lèi)就是通過(guò)好奇心來(lái)認(rèn)識(shí)世界的，比如，孩子們想知道猛拽貓尾巴會(huì)發(fā)生什么，所以他們會(huì)去做這種嘗試。因此，Brett 是通過(guò)一點(diǎn)一點(diǎn)地靠近目標(biāo)，來(lái)改進(jìn)自己的動(dòng)作，而 Facebook 的 Sawyer 則是靠近目標(biāo)，然后故意偏離軌道。

Facebook 研究人員旨在讓 Sawyer 自由地嘗試非最佳動(dòng)作，而不是獎(jiǎng)勵(lì)它不斷取得的成功，即使這在當(dāng)時(shí)看起來(lái)并不理性。Meier 說(shuō)：

雖然 Sawyer 沒(méi)有完成任務(wù)，但它給了我們更多的數(shù)據(jù)，我們通過(guò)這種方式獲得的數(shù)據(jù)比傳統(tǒng)的方式要多。

這個(gè)概念被稱(chēng)為自我監(jiān)督學(xué)習(xí)——機(jī)器人嘗試新行為并更新軟件模型，從而幫助它預(yù)測(cè)自己的行為后果。

這樣做的目的是讓機(jī)器能夠更加靈活地去完成任務(wù)，或者說(shuō)，更容易適應(yīng)動(dòng)態(tài)的人類(lèi)環(huán)境。

比如，機(jī)器人要將架子上的杯子放到旁邊的架子，最好的方法是將杯子直接平移，然而兩個(gè)架子之間有隔板，這就需要機(jī)器人反復(fù)試驗(yàn)、反復(fù)犯錯(cuò)，直到它探索出更好的解決方案。

正如奧斯陸大學(xué)的機(jī)器人專(zhuān)家 Tonnes Nygaard 所說(shuō)的那樣：

如果我們一直執(zhí)著于一個(gè)解決方案，我們可能會(huì)走進(jìn)死胡同；我們更應(yīng)該專(zhuān)注于探索更多新的解決方案。

模擬與現(xiàn)實(shí)之間的差距

一些研究人員通過(guò)模擬來(lái)教機(jī)器人完成任務(wù)——建立一個(gè)數(shù)字世界，再讓其中的動(dòng)畫(huà)對(duì)象通過(guò)“犯錯(cuò)”的方式來(lái)完成任務(wù)。這種方法相對(duì)較快，因?yàn)楫?dāng)數(shù)字“機(jī)器”不受現(xiàn)實(shí)世界物理定律的約束，它們迭代的速度要快得多。

不過(guò)，雖然模擬更高效，但它并不能完美地反映真實(shí)世界，模擬動(dòng)態(tài)人類(lèi)環(huán)境的復(fù)雜性。

這就導(dǎo)致，機(jī)器人在模擬環(huán)境中能夠完美匹配的理論，在現(xiàn)實(shí)世界中卻不適用。在現(xiàn)實(shí)世界中做任何事情都可能更慢、更費(fèi)力，但好處是，機(jī)器人能獲得的數(shù)據(jù)更純粹。

Facebook的人工智能研究科學(xué)家 Roberto Calandra 表示：

如果它在現(xiàn)實(shí)世界中行得通，那它就真的行得通。

畢竟，機(jī)器人在現(xiàn)實(shí)世界中要面對(duì)各種意想不到的麻煩，程序員不可能對(duì)每一個(gè)都預(yù)先進(jìn)行編碼。

AI 和機(jī)器人相得益彰

從某種程度上來(lái)說(shuō)，F(xiàn)acebook 的項(xiàng)目是 AI 和機(jī)器人的偉大融合。

雖然谷歌和亞馬遜和 Facebook 等科技巨頭已經(jīng)大大推動(dòng)了 AI 的發(fā)展，比如讓機(jī)器進(jìn)行圖像識(shí)別，不過(guò)這個(gè)任務(wù)仍基于人們事先給圖片貼好標(biāo)簽。不得不承認(rèn)，機(jī)器還是不夠聰明。

隨著 AI 研究人員開(kāi)始使用機(jī)器人作為平臺(tái)來(lái)改進(jìn)軟件算法，這種情況開(kāi)始發(fā)生變化。

例如，F(xiàn)acebook 教機(jī)器人獨(dú)立完成一系列任務(wù)，這反過(guò)來(lái)可能會(huì)對(duì)開(kāi)發(fā) AI 助手有所啟發(fā)，讓它們能夠更好地為用戶(hù)服務(wù)。LeCun 說(shuō)道：

如果機(jī)器人解決了一個(gè)問(wèn)題，同理，它也能在另一種情況下解決這個(gè)問(wèn)題。

簡(jiǎn)而言之就是，AI 正在讓機(jī)器人變得更聰明，而機(jī)器人也在幫助推進(jìn) AI 的發(fā)展。

不過(guò)，F(xiàn)acebook 表示，目前，公司的這項(xiàng)研究并沒(méi)有連接到特定的產(chǎn)品。不過(guò)，LeCun 說(shuō)：

我們認(rèn)為，機(jī)器人將在遠(yuǎn)程呈現(xiàn)中發(fā)揮重要作用。畢竟，F(xiàn)acebook 擁有 Portal 和 Oculus VR 系統(tǒng)。