是什麼推動了智慧機器人的發展？

補腦人工智慧，盤點八項你不得不知的推動智慧機器人發展的重大科學技術。

如今，各個領域的科技發展導致機器人也如同“寒武紀大爆發”，導致他們逐漸趨向種類多元化和效能專業化。與此同時，許多關於機器人所依賴的計算、資料儲存和交流的基礎硬體技術也日新月異。其中雲機器人和深度學習這兩項新興的技術，更是引導相關技術在良好迴圈中爆發性增長。

“雲機器人”這一概念由James Kuffner提出，是指可以通過網路互相學習的機器人；特別是在機器人的數量增長時，機器人的能力更是可以得到快速提高。

“深度學習”演算法是指特定程式通過對特定行為的模式進行提取並將之應用到更多的領域中。現在，深度學習演算法使用在特定領域通用的學習方程，並已經應用在大量感知問題上，比如語音識別或現在流行的虹膜識別。在未來，通過深度學習演算法，機器人將能解決任何聯想記憶問題。

研究人員表示，這兩項技術將成為機器人技術爆發式發展的主要原因，就像寒武紀時出現的視覺。不過，下一次爆發的時間點難以預測。

接下來，我們一起來看一看現在機器人領域最重要的八項推動機器人向前發展的重要科技。

1、電晶體效能

機器人是由感測器、執行器和計算機共同構成的，而計算機處理能力在不斷上升。最初由英特爾創始人摩爾·戈登提出的摩爾定律指出積體電路上可容納的電晶體數目每18至24個月就會增加一倍，效能也將增加一倍。儘管具體的更迭週期有所調整，但這一趨勢已經持續了數十年，當然現在似乎開始出現一些瓶頸了。現在，半導體公司可以將電晶體制程壓縮至14奈米，而一奈米可是難以想象的十億之一米！這種量級已經接近物理極限，幾乎就要進入單個原子的尺度了。當然現在出現了一些新技術還能保證單位體積計算效能的繼續上漲，其中包括三維多晶片系統和量子計算等等。

2、機械設計和數控加工工具的進步。

現代計算機輔助設計工具極大提升了機械設計師的工作效率、設計質量和複雜程度。數控加工工具近來也獲得了許多突破——比如3D列印技術僅需極小的代價即可列印出高精度的3D模型，省去了耗資巨大的開模步驟。而嵌入式處理器所能實現的功能也越來越複雜，效能與可靠性亦有了巨大改進，所有的這些都增強了機器人的效能和可靠性。

3、電池容量

如果機器人是可移動的，他們需要找到能夠儲存或產生足夠的電量的方式來維持執行。過去幾十年裡，電池和燃料電池都不能很好地達到期望值。鋰電池比碳氫燃料的能量密度少了一個數量級，但差距正在逐漸縮小。在高需求且競爭激烈的行動式電子裝置市場，電池技術方面的技術進步一直在持續；更不要說混合動力和電動車領域了。而超級電容作為一項全新的技術，比標準電池充放電速度更快，而且能夠反覆充電上千次，但電池容量方面還需要更大的進步。

4、對電池的高效利用

機器人依靠電池釋放電能帶動電機運轉；電機越多，機器人對電能的消耗就越敏感。功率半導體充分利用了積體電路行業的技術進步，讓行動式裝置的價格也不再昂貴，而所有的電池都對電能效率十分敏感。LED是另一個快速發展的新興市場，發光二級管可以以更少的電能實現更高的亮度和更廣的照射範圍，新型複合半導體（氮化矽和碳化矽）也將迎來以更低的價格實現更高的效能的時代。現在，雲機器人的發展則開始依賴於圖形處理器來實現大規模的資料處理。在未來，以大腦為靈感的神經硬體所消耗的能量將會更少。

5、無線技術

最開始機器人都是單獨的個體，它們的記憶和解決問題的能力被自身攜帶的程式所限制，對它們進行更新和重新程式設計是一件耗時耗力的事情。而聯網機器人為程式設計、解決問題、學習和更新提供更多可能性。得益於各種基礎設施的完善，高效能無線數字通訊現在隨處可見，可聯網的裝置種類也大大增加。比如由Nest生產的智慧溫控器，可以使用配對的手機進行控制，並且它還能夠記憶和學習並對未來環境做出調整。谷歌的Chromecast服務可以將你在電腦或手機上任意選擇的內容通過無線連線展示在電視螢幕上。你知道嗎，2014年全球的平均WiFi速度已經達到十兆每秒，到2018年還會翻倍。2014年，在全球範圍內分佈大約有4800萬個公共WiFi熱點；而到2018年，這一數字會再增加7倍。目前最新的WiFi標準（802.11ac）的速度為每秒千兆，和標準的蜂窩資料（5G）一致。可以預見，未來機器人通過無線技術進行交流將成為常態。

6、網際網路的規模和效能成指數爆炸形式發展。

無線通訊設施的發展和網際網路的應用將不僅僅限制在智慧裝置尚。現在全球網際網路的每月流量已經超過88?EB（1?EB=1024?PB=1024*1024?TB），保守估計三年內還會翻番。而現在大概有130億臺裝置連線到網際網路上，相當於地球人的兩倍；而到2019年，這個倍數將會達到3倍。

7、全球資料儲存成指數形式發展。

縱觀全球，由於社交網路的流行，大量的圖片和視訊在網上流傳，“位元洪流”帶來了可怕又可觀的流量。通過比較，人的大腦一共有10^14個突觸,假設我們把每一個位元組的儲存量作為一個突觸，那麼現在全球資訊就相當於1000萬個大腦的儲存量。

8、全球計算機能力成指數形式發展。

全球計算機的運算速度已達到每秒10^21個指令。更重要的是，已經生產的數十億個處理器（或許其中只有10億個正在執行）可以和幾個大型網際網路執行數百萬臺帶有高效能多核處理器的伺服器平行計算。而任何運算都可以分成幾個小部分，分開解決問題並不需要進行資訊交流，問題就能夠迅速被分解並解決。許多關於機器人自動化的問題都可以通過這種方式解決。

這些技術的發展表明，機器人的資料處理不僅可以依賴本地處理器，雲端計算也不失為一個可行的方案。雲機器人的研發已經蓄勢待發，準備利用各種技術來完成機器人能力的革命。

雲機器人可以概括為四個理念。

1、基於記憶的自動化

計算機的運算和儲存效能是滿足研究人員探索機器人憑藉記憶解決觸發動作的基礎，規劃和控制是機器人自動化的關鍵。這並不是將指令分解為一系列為特殊情況定製的編碼，而應當是在儲存容量中搜尋大量先前的記憶，找出可以匹配的記憶並作出反應的方法。當沒有先前的記憶可以匹配時，此前觸發動作的類似記憶也可以被插入，另外也可以尋求人類的幫助，記錄下人工提供的答案以供使用。此外需要一提的是資訊檢索技術的發展也加速了記憶技術的進步。

雖然可以依靠記憶為基礎做出反應，但解決問題的記憶又從哪裡來呢？

2、經驗值共享

一個簡單的機器人如果只憑借記憶方法學習，那會需要很長的時間；就像一個新生嬰兒可能需要花數十年的時間去學習有用的事情。但是，機器人學習的時間也許會更長，因為即使是本能也可能會丟失。

儘管人腦的頻寬比機器人高出一個量級，但人類與外界的交流速度比較緩慢，大約每秒只能傳遞10位元的資訊。機器人和計算機則可以達到每秒1000兆位元，是人腦的1億倍。基於這種外部通訊速度可以利用網路通訊在所有機器人之間共享所學的知識。人類花了數十年的時間學得的知識機器人眨眼可得。然而，機器人不僅可以站在任何人的肩膀上學習；在他們學得經驗以後，亦可迅速分享，讓其它機器人受益。

3、從想象中學習

人類常常憑藉想象力對未來未知的狀況進行演習和準備。同樣的，一個機器人或一個“雲機器人”的大腦可以利用模擬方法來探索機器人將會遇到的未來狀況以及可能的解決方案，並記住那些可以解決的方案。這樣的模擬不需要實踐，而每個機器人的夢想都能提高所有機器人的效能；甚至我們可以製造一些專門用來做夢的機器人和智慧程式。

4、學習人類

感知仍然是機器人技術中最具挑戰性的難題之一。最近的一些研究讓觸發感知獲得大量資料變得更加具有可行性，而大量的資料在計劃和控制方面顯得尤為重要。

可記錄的視覺物件和人類活動是一個巨大的資源庫，機器人很快可能利用資源庫來提高它們的理解和連線世界的能力，其中包括與人類的互動。在2014年和2015年，社交媒體上一共上傳了1萬億張照片，而這個數字在2015年估計還要增加數倍。現在，每分鐘就有300小時的影片被上傳到YouTube上。而當感測器得到大量應用之後，資訊的儲存量甚至還會進一步增加。

網路上最直觀的資訊是沒有標籤的，但聚焦技術可以在影像和視訊中識別相似元素。打個比方，演算法可以給相似的臉進行分組，然後這些分組的資訊可以增強機器對其它影像和視訊的理解。

機器人的發展目前還面臨著難以逾越的鴻溝，比如你想過為什麼機器人不能想人一樣能感受到環境細微的變化，並對其做出反應嗎？事實上，對於機器人來說則是非常困難的。電腦並不能夠通過記憶方法記住可以被檢索的現存知識，難以像人一樣聯想和創造。機器人發展的下一目標就是能向人腦一般聰明。

現在自動化和機器人（特別是無人駕駛技術）上的商業投資已有明顯的加速，亞馬遜、谷歌、蘋果和Uber等備受矚目的公司以及一些重量級的汽車廠商都在向無人駕駛領域進軍。與之同時，而社會倫理對機器人和人工智慧的擔心也在上升。

機器人革命的到來彷彿只是遲早的事，在美好藍圖中，那是一個人類生產力得以解放的黃金時代。同時也有人擔憂，人類將面臨大量工人失業的黑暗時代。機器人革命帶來的影響是否有利於人類發展還是一個未知數。

原文釋出時間：2015-09-14 14:28

本文作者：Berry

本文來自雲棲社群合作伙伴鎂客網，瞭解相關資訊可以關注鎂客網。