Manuela M·Veloso介紹，通過自主學(xué)習(xí)與尋求幫助機(jī)制的植入，讓人與機(jī)器人的對話幫助它們完成更多任務(wù)，目前該研究小組已積累了數(shù)千種不同類型的任務(wù)。
中國科學(xué)技術(shù)大學(xué)機(jī)器人實驗室主任、中國RoboCup委員會主席陳小平也指出，在機(jī)器人的自主學(xué)習(xí)中，要學(xué)會根據(jù)目標(biāo)搜集相關(guān)資料，比如，它在接到使用微波爐加熱爆米花的任務(wù)后，可以迅速聯(lián)網(wǎng)下載微波爐使用手冊獲得這項技能。
但是，機(jī)器人有不同的類型，不可能通過一個機(jī)器人完成所有任務(wù)，不同國家的機(jī)器人有著不同需求，并面臨語言的差別。因此，Manuela M·Veloso建議應(yīng)建立起一個平臺，鼓勵機(jī)器人信息共享。
待解的技術(shù)之問
除了前沿技術(shù)大趨勢，機(jī)器人在“進(jìn)化成人”的道路上，也不可避免在技術(shù)爆炸的漩渦中留下需要人們不斷探索的待解之題。
人工智能技術(shù)包括什么？什么是人工智能的核心內(nèi)容？拋開自然語言理解、圖像視頻識別、搜索算法、知識工程外，人工智能技術(shù)還有什么？
在“機(jī)器學(xué)習(xí)與模式識別”討論環(huán)節(jié)，中科院自動化所研究員宗成慶提出了以上問題。
機(jī)器學(xué)習(xí)在不到10年的時間里，遷移學(xué)習(xí)、增強(qiáng)學(xué)習(xí)、概率圖模型、深度學(xué)習(xí)等相繼被熱捧。而之前每一種學(xué)習(xí)方法的研究都持續(xù)不過2～3年。
“無論哪一種統(tǒng)計學(xué)習(xí)方法都是建立在大規(guī)模測試樣本之上的模型，難以做到舉一反三?，F(xiàn)在機(jī)器學(xué)習(xí)是在向正確的方向發(fā)展嗎？”宗成慶追問。
“在自然語言處理中，很多問題都被轉(zhuǎn)化為分類問題或者序列標(biāo)注問題。但不同的問題使用相同的解決方法，自然不會得到很好的處理結(jié)果。圖像、視頻分析作為模式識別最基礎(chǔ)性的問題，在邊界分割、模式匹配、檢索等方面取得了若干優(yōu)秀成果，但在多大程度上體現(xiàn)了‘智能’，尚不可知。” 宗成慶說。
深度學(xué)習(xí)方法與人工神經(jīng)網(wǎng)絡(luò)方法在數(shù)學(xué)計算上有沒有本質(zhì)區(qū)別？機(jī)器要真正實現(xiàn)從“處理”到“理解”的出路何在？簡單的技術(shù)集成是否會成為“智能系統(tǒng)”？宗成慶表示，仍有太多的技術(shù)問題需要人們繼續(xù)關(guān)注。
最后，宗成慶感嘆并總結(jié)道：“人工智能的技術(shù)變化非?？?，有的被冷落后由于硬件性能改變而再次被推向波峰，甚至經(jīng)歷多次輪回。如何在熱鬧中把握‘冷和熱’的平衡，既保持冷靜的頭腦又堅守自己的學(xué)術(shù)理想，值得探討。”
人人皆可參與人工智能
人工智能可以通過語音、圖像，還有對產(chǎn)品的推介和交互，幫助人們理解個體，同時可以利用不同的場景來達(dá)到學(xué)習(xí)的功能。
比如，可以通過人與人之間的連接、社交網(wǎng)絡(luò)的分析，對文章的內(nèi)容以及公眾號、大眾點評等數(shù)據(jù)分析來建立一種新的知識，分析對象的特征、喜好、社會關(guān)系等信息會形成一個巨大的知識圖譜，有了知識圖譜以后，人工智能的載體就能對用戶提供服務(wù)的推薦，幫助用戶智能個性化的搜索，進(jìn)行知識的傳播或智慧的整合，形成所謂的群體智能。
例如，移動視覺的搜索能提供不同場景的識別，深度學(xué)習(xí)又可提供基于朋友圈的用戶模型的建立，有了這個用戶模型，我們知道微信推出了非常有意思的廣告方式，使得大家把廣告和朋友圈上面的圖片發(fā)布有機(jī)融合在一起，變成一個非常有意思的事情。
另外，常見的漂流瓶是一種已有的基于人和人之間的問答模式，比如，帶一個問題扔一個瓶子，這個瓶子如果有人撿到并回答它的話，這兩個人的關(guān)系就建立起來了。現(xiàn)在可利用這樣一種功能來補(bǔ)充知識，不斷把機(jī)器人回答不了的問題，用瓶子的形式扔到海洋問題庫里，知道的人就可以回答這個問題，以此不斷增加機(jī)器人知識的覆蓋面。