20年後的機器人不如貓？Google的AI專家和Amazon的VP打了一個賭

「很多人預測在20年內出現人類水平的人工智慧，我認為這太樂觀了。我願意打一個賭，賭20年內，我們的技術不足以製造出一個感覺運動控制能達到家貓水準的機器人。」

想來很多讀者的第一感覺和我一樣：20年內造一個和人類差不多的機器人的確有困難，但憑什麼說20年後的機器人不如貓？這人外行吧？

這人還真不是外行，他就是排名第二的深度學習框架Keras的作者、Google人工智慧專家Fran?ois Chollet，Fran?ois在Twitter上常有驚人言論，比如前段時間Twitter上的「深度學習已進入平台期」的討論就是由Fran?ois引發。

不過，深度學習的人來說未來20年的機器人如何如何是不是有點指手畫腳的意思？哈爾濱工業大學深圳分校朱曉蕊教授告訴雷鋒網，從這個賭約來看，這其實是一個AI和機器人的「Final Goal」，一直以來，AI圈子和機器人的圈子是兩個不同的圈子，當中有一部分交叉的是識別的部分，AI圈子和機器人圈子都有人在做（雷鋒網註：如剛結束的IROS機器人大會上就邀請了李飛飛做大會Plenary報告），但未來的趨勢是兩個圈子會逐步融合做同樣的事，無論是光有智能沒有控制，或者光有控制沒有智能都是不能適應我們對未來的需求的。

這個賭注已經有人應戰：Amazon Robotic的VP Brad Porter準備和Fran?ois Chollet賭上1000美元，而且還有了正式的賭約和勝利條件，讓我們來看一下：

貓水準AI賭局

2017年10月3日

我敢打賭，截至2037年10月，不會有一個機器人至少具備家貓的認知能力（特別是感覺運動能力），而且我們也很難創建這樣一個機器人。當然不一定是像字面上那樣表現得像貓一樣啦，只要能顯示出下面特質的和任何小動物類似的機器人都算。

硬體

除了創造一個機器貓的大腦，給這個機器貓造一個硬體身體自然也是這個問題不可分割的一部分。我們期望這個機器人至少具有貓身體的運動能力水準（如敏捷性，健壯性等），當然，生產這個硬體不是最難的部分，軟體才是最難的部分，這可能得打通十七八次任督二脈才行。

行為

貓可以做有很多行為動作，例如玩耍、狩獵和隱藏，這些都是它們自己學會的。機器人應該表現出類似的行為豐富性，而且這些行為不應該是被硬編碼的。我確實知道完全有可能通過對機器人進行硬編碼的方式重現*特定*類似貓的行為，但這將是欺騙。

在感覺能力方面，我們的機器人應該能夠至少能做出以下那樣令人印象深刻的動作：

學習開門

從一個傢具跳到另一個傢具上

抓老鼠並抓住它

從任何位置跌落後都可以以爪子落地

概括

對智力的定義特徵是其泛化能力，即從很少的經驗中學習適應複雜的新情況的能力。貓級別的泛化能力意味著：

從少量數據進行學習

貓的大腦非常簡單。貓的基因組大約只有2.7GB，而其中大約90%是垃圾，剩下的270MB的數據與貓的種類有關。相應，（機器貓）大腦源代碼應該在MB級別，這包含所有關於大腦的內容，不能預留諸如預先訓練的內容或是硬編碼的任何環境信息（雷鋒網註：這相當於像剛出生的貓一樣自己感知環境和進行學習），這是個大小是2017年超級優化的ImageNet CNN檢查點的大小，不考慮運行它的TensorFlow二進位文件的大小或GPU Blueprint的大小在內。

所以，一隻貓可以在幾個月內（一年以上）與其環境互動，學習會成為一隻真正的貓。事實證明，貓寶寶除了四處遊盪外，其他技能都需要後天學習。我們的機器人應該能夠從頭開始，在2年內自己學會一切。沒有前期的提示，沒有對複雜的行為或關於環境的信息的硬編碼（例如，波士頓動力的大狗機器人，它是100％硬編碼的，這種情況算欺騙）。機器人的大腦可能在上傳到機器人的身體之前進行模擬訓練，但這種模擬訓練應該在不超過2年內產生一個成熟的大腦。

適應性和自主性

貓和動物一般對任何特定的環境都有適應性：將其放在不熟悉和可能充滿敵意的地方，貓不會嚇傻被或者重新適應，它將探索其周圍環境，隱藏，躲避狗和汽車，勳章食物和狩獵小動物。同樣，我們的機器人應該能夠在進入一個全新的環境時儘可能立即執行操作。

貓級適應性的最終證明是貓級自主性。把一隻貓丟到可能生存的新環境中（例如有食物或獵物可用），它無需外部幫助即可生存下來。類似，如果把我們的機器人丟到一個未知的大學校園中，它應該也能無需他人幫助而生存下來。如果它（像貓一樣）需要食物和氧氣生存，它應該會自己找到食物；如果它依靠電力活動，它應該找到插座自己充電（自我充電對於我們描述的其他問題來說是微不足道的），而且在任何校園中也一樣。

結語

看完雷鋒網才發現，這個賭約並沒有字面上表現出來的那麼簡單。簡單來說，要贏得這個賭約，機器人需要像新生的動物一樣，全部通過學習來模擬大腦從「白紙一張」到成熟的過程。如果從神經網路來做比方，這個機器人需要在去接觸新的環境、新的學習的時候，它會自主進行編程激活和產生新的神經網路鏈接，這樣才構成學習的行為，而這個神經網路的結構也會變得複雜無比。換言之，這不是一個造機器人的過程，這更接近與造出一個新的物種的過程。

關於這場賭約，雷鋒網的各位讀者有什麼看法，認為誰能夠贏呢？歡迎和我們留言討論，如果支持我們的人足夠多，我們也打算和這兩位專家一起打這個賭呢。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！