“你对 Alexa 说些什么，即使在音乐播放的时候，在房间里还有其它人在说话时，它也能很好的理解 。”Brooks 说，这令人吃惊，主要受益于深度学习的发展 。“充分利用这些新兴技术领域的发展，让我们可以做出更好的产品 。”
“在刚开始创建Rethink Robotics 时，我们考察了所有的商业语言理解系统 。那时，我们认为在工厂里，实现机器人语音识别是荒唐可笑的 。我想现在情况已经发生了改变 。”Brooks 说 。
语音识别系统编译出正确的字串 。准确的字串足以做很多事情，但它仍不能像人一样聪明 。“这就是区别，”他说，“获取字串只是一种有限的能力 。如果要扩展这种能力，还有很长的路要走 。”
这些有限的能力，已经成为许多关于人工智能乐观预测的基础，但对未来人类所承担的角色，则可能显得过于悲观 。
【ai是做什么的 ai是什么】在现实世界中的AI 研究
相对于单一性，Goldberg 更强调多样性，注意到不同组合的人和机器合作解决问题和创新的重要性 。如果AI 应用程序想要走出实验室，进入现实世界，这种协作尤其重要 。
加州大学伯克利分校电气工程和计算机科学系的教授Pieter Abbeel，也是Embodied Intelligence 公司的总裁和首席科学家 。他正致力于将AI 带入工业世界，同时强调人类和机器协同工作的重要性 。
“ 这是挑战的一部分，” Abbeel说，“ 人类如何能够利用这项技术，利用它来使自己更聪明，而不是仅仅让这些机器与我们分开？当机器成为我们日常生活的一部分，可以用于提高效率的时候，那就是它真正令人兴奋的时刻 。”
尽管Abbeel 对 AI 的前景感到兴奋，但他认为适当的谨慎是有必要的 。“我认为最好记住，像语音识别、机器翻译和识别图像中最显著的进步其实只是所谓的监督学习的例子 。”
重要的是要了解有不同类型的AI正在建立 。在机器学习中，有三种主要的学习类型: 监督学习、无监督学习和强化学习 。
“ 监督学习只是一种模式识别，”Abbeel 说 。从语音到文本，或者从一种语言到另一种语言，这是一个很难的识别模式，但是 AI 没有任何目标或目的 。给出英语，它会告诉你中文是什么 。给它一个口头句子，它将转录成一系列的字母 。这只是模式匹配 。你给出数据——图像和标签，它学习如何从图像到标签的识别模式 。
没有监督的学习是你只给它图像，没有标签 。希望它能够从大量的图像开始，了解世界是什么，然后逐步建立这种理解，也许在将来它可以更快地学习到其它东西 。没有监督的学习没有任务 。只需给它提供大量的数据 。
接下来是强化学习，这种学习非常不同，更有趣，也更难 ( 强化学习被归功于自动驾驶技术的进步) 。强化学习是给系统一个目标 。目标可以是在视频游戏中获得高分，或在国际象棋游戏中获胜，或组装两个零件 。这也是对AI 产生某些恐惧的理由 。如果 AI 有错误的目标，会发生什么？目标应该如何设定？
重要的是人类和人工智能不会在真空隔绝的环境中进化的 。Abbeel说:“当我们创造越来越智能的机器时，我们作为人类的能力也将会增强 。现在，我们在Embodied Intelligence所做的工作最让我兴奋的是，人工智能的最新发展，已经使 AI 能够理解它们在图片中看到的内容 。”
■ 图 2: Abbeel 正在将机器学习的突破性研究转变为实际的工业应用，机器人可以自主学习新技能 。
机器人抓取的深度学习
加州大学伯克利分校的Autolab实验室，专注AI 领域的研究超过10年，并已将其应用于云机器人、深入强化学习、从演示中学习、以及仓库物流强健的机器人抓取和操纵、家庭机器人、以及外科机器人等项目 。
推荐阅读
- 适合内向者的10种工作 内向的人适合什么工作
- 取环后一般要什么时候才可以怀孕呢
- 提升免疫力多吃这几种食物
- 冬天吃什么提高免疫力
- 冬天吃点什么能提高免疫力
- “假猪血是怎么来的”
- 有些饺子馆的饺子香是为什么呢
- 什么是绝日呢网传的说法有道理吗
- 叶黄素对眼睛有什么作用
- 叶黄素对眼睛有什么益处