Amazon Robotics 发明者说，目前的人工智能用“机器智能”形容更贴切

2016-12-16 10:31:00　来源: 钛媒体举报

分享至

（原标题：Amazon Robotics 发明者说，目前的人工智能用“机器智能”形容更贴切）

摘要：拉菲罗·安德烈有很多头衔，科学家，工程师，艺术家，无人机教父，商人，创业者……但他并不喜欢给自己贴标签，他最在意的是自己的作品。

亚马逊的仓库里，上万台橘红色圆形小机器人忙忙碌碌。货物被存储在一个个被称为“pods”的小货柜上，当机器人确认了柜子里面有它所要的物品，它就会钻到货柜底部，旋转变成一个起重机，将这个货柜运到人工挑拣处进行订单处理。

亚马逊物流机器人

这些在仓库周围快速移动物品的橙色机器人被称为Amazon Robotics，高 16 英寸，采用轮子代步，可搬运重达 700 磅的货物，内置十分先进的避障算法。

它的原名叫 Kiva System，由Mick Mountz，Peter Wurman和Raffaello D'Andrea共同创建的Kiva公司出品，2012年被亚马逊以7.75亿美金收购。目前，美国亚马逊的第八代物流中心里配备了超过 1.5 万台这样的机器人，每年为亚马逊节省 20% 的营业费。

Mick Mountz，一个麻省理工学院的和哈佛商学院的双料毕业生，先想出了这点子。他发现，很多公司效益低下是因已有仓储物流系统的人工成本高，且效率低。他希望能解决原先在大仓库里人工找货效率低下的问题，建造一种自动化的拣货、仓储系统，提高配送的流程，降低企业运营成本，产生更大价值。

于是，他找到了机器人工程与自动化的专家Peter Wurman（多代理系统专家，美国北卡罗来纳州立大学前计算机工程系教授）和拉菲罗·安德烈教授（Prof. Dr. Raffaello D Andrea），希望创造出一种能主动将货物送到人面前的机器系统。他们三人一拍即合，于2003年创办了Kiva公司。

Kiva System的三位创始人

Kiva机器人系统的设计逻辑并不复杂：个体机器人由一个存有仓库所有货物信息的电脑集群统一调度，并移动到规定的地点，执行被分配到的任务。比如，它们会接受到这样的指令：1051号机器人把308号货物运给12号工人，路上不要和1433号机器人相撞（1433号机器人和它走的是同一条道）。

但显然，Kiva系统的算法并不简单，它们在接受指令运作的同时，还需不停学习、适应环境，自动更新算法。它的开发者，受邀参加2016钛媒体T-EDGE年度盛典的安德烈教授解释：

对于Kiva来说，它不断在各个层级进行学习和适应。我们的想法是，机器人身上使用不贵重的部件，但是我们设计的复杂的算法让机器人能够学习和自适应，以至于它们能和昂贵的机器人一样达到非常高的性能和可靠性。

安德烈现任苏黎世联邦理工学院动力系统及控制专业教授（Institute for Dynamic Systems and Control, ETH），Verity Studios的创始人。此前他曾在康奈尔大学任教。任职期间，他曾带领康奈尔机器人足球队赢得了四次机器人足球世界杯 RoboCup世界冠军。

2013 年他第一次上了TED演讲台，那段关于无人机的16分钟视频在 TED 官网上点击量已过千万。3 年后在TED 2016演讲台上，他用立式垂直起落飞机（The Tailsitter）、单螺旋机（The Monospinner）、全向直升机（The Omnicopter）、合成蜂群（a synthetic swarm）等多款不同形态的飞行器，展示了目前无人机达到的最高智能。

无人机建塔

今年，安德烈获得IEEE Robotics and Automation Award (它是IEEE Technical Field Award的奖项之一，表彰在机器人和自动化领域有杰出贡献的个人)，颁奖词是这样写的：该奖表彰安德烈博士对分布式合作型机器人，及商用自动化系统设计和应用上的开拓贡献。

安德烈和他的团队正在尝试拓展挑战机器学习的边界，让机器完成人类做不到的事。他在2016钛媒体T-EDGE年度盛典的演讲中提到：

机器人的自动化市场非常大，可能在未来的5年内会高达135-150千亿美元（Bank of America Merrill Lynch 2016）。而对机器人自动化行业来说，共享学习比个体学习更有益处，这是一个行业颠覆点。这些自动化的机器有极大的潜力待开发，只要我们找到了一种架构，能让这些机器共享信息，它们就能学得更快更好，就像人分享共同记忆一样。
未来我们将重点研发一个能让机器共享信息的基础系统，从而加速机器的学习过程。人类学习的速度其实和机器相比是有限的，机器能做很多人类做不到的事，而我们要对这点加以利用。

用“机器智能”一词比“人工智能”更贴切

过去5年间，各行业产业升级和效能提升的需求越来越大，对机器学习需求也不断增加。云计算的出现和算法的不断升级使海量数据的获取与使用成为可能，机器学习也有了质的飞跃。

2016年AlphaGo 和围棋高手李世石的人机大战在全世界掀起一轮人工智能小高潮，很多人开始幻想电脑智能与人脑智能兼容的“奇点”时刻，一个机器人与人类共存的未来。

作为目前机器人和自动化行业的前沿领导者，安德烈对预言这样的未来却并不热衷：

我一点都不相信“奇点”临近这种理论。我认为很多现在人们眼中的“颠覆性技术”，并不是凭空造出的，不是从来都不存在的。科技的发展一直个渐进的过程，有时候一个技术没有得到重视，可能是因为经济或其他条件不允许。很多时候技术已经有了，但人们还不知道怎么去使用它们。往往这时，创业者就会嗅到商机，找到一个能运用这些技术的领域，并创造价值，这只是商业模式的颠覆性，而不是技术本身的颠覆性。
就像“社交媒体”这个概念，它用的并不是新技术，只是这个商业模式很创新。Facebook之前有很多做社交的公司，但是只有它成功了。是它的运气好，还是商业模式好，还是技术好，这些都很难说，要视情况而定。这也是我对“奇点”这种理论存疑的原因，古往今来，并没有这种突然间颠覆一切的技术。

他目前所想的就是接下来3个月、6个月、1年的时间，能让手头的机器人、飞行器做出什么新鲜事。在T-EDGE的舞台上，他展示了一个能依靠一个角倒立并保持平衡的正立方体Cubli。为了让这个立方体自主学习并达到最后的平衡，安德烈教授和他的团队花了3年时间。

可保持自身平衡的Cubli

“我每次要做什么东西之前，都会进行粗略测算，试图证明自己的想法不是不可能的，一旦我证明了这点，我就会在电脑上进行仿真模拟。如果电脑模拟证明可行，我就开始动手制作。当然，这个过程中有很多假设不正确，遇到这种情况，我会回去重新检查，如果有误，就推翻重来。”

比如他要展示的立方体，最开始想用一个栓针让里头的转动的轮子迅速停止，但这样的方式太过粗鲁，花了一个月的时间也没能成功。后来换了一个思路，把栓换成类似自行车的刹车片，建了新的模型，最后成功了。

Raffaello D'Andrea教授在2016钛媒体T-EDGE年度盛典上演示

在他看来，目前的机器人发展，用“机器智能”一词形容，比“人工智能”更贴切。他创造的无人机，在门外汉看来好像有能力自主学习，但其实更多用的是自适应算法的概念（adaptive control）。自适应控制源自自动控制学界，使用的是经过修改的自适应算法。

不过，他希望将新技术和机器学习结合在一起，利用数据去学习系统参数或者控制策略，或者学习模型和现实的误差（correction term）。让数据去适应算法，从多个角度看问题，最后得出最优解决方案。比如Kiva系统，很多人认为这是一种分布式控制系统（distributed control system）的系统，而不是集中控制系统（centralized control system）。但这两种系统在开发Kiva时并不对立:

其实用什么手段和应用本身是相关的，有些应用比较适合分布式的协作，有些应用则需要集中化的管理。Kiva系统就是分布式和集中式控制系统的结合体。它们接收到的指令，是统一发出的，而规定了它们要往那里去的路径规划算法（the path planning algorithm）则是由分布的计算机代理（distributed agents）算出的。机器人自己则会根据现实的状况作出判断。
我在生活中学到的一件很重要的事就是，不同的情况有不同的处理方法，一个完美通用的准则并不存在。你需要用一种开放的态度去应对新的问题，才能更好解决问题。"

在T-EDGE舞台上，安德烈教授还展示了无人机和人玩抛接球，无人机托着直立木棍沿既定8字形路线飞行的视频。这些案例的成功都是多次试验，改进算法后，机器不断学习的成果。这也是他们实验室的理念--用开放的思维和科学的方法，不断超越极限，挑战边界。