百度通過指令研究開發工智能機器人學習英語

中國最大的科技公司之一的百度的人工智慧研究人員試圖在一個二維迷宮般的世界中教會虛擬機器人英語。

這項研究「為家庭機器人的設想鋪平了道路」，一位可以理解其主人發出的命令的聰明管家。該公司的研究人員在arXiv上發布的一篇論文中稱，語言對於創建具有人類水平智能的機器至關重要。

根據機器人對自己世界的感知教授語言的做法讓它們了解了關於環境的知識，這些知識可以從任務轉移到任務——這是一般智能的標誌。研究人員們將他們使用的方法類比為父母使用語言教導正在學習走路和說話的嬰兒。

在這個被稱為XWORLD的模擬2D世界中，代理是嬰兒，老師是父母。嬰兒代理將環境視為一系列原始像素圖像，並由教師給出英文的命令。

該論文表示，「通過探索環境，代理可以同時學習環境的視覺表示、語言的語法和語義，以及如何在環境中自我導航。」

該機器人可以採取四個動作：向上、向下、向左或向右移動。在進程開始時，教師發出自然語言命令，例如「請導航到蘋果」。然後啟動計時器，代理必須在給定時間內移動到蘋果處才能獲得正向的獎勵。如果沒有做到，則會給予負面的反饋。

這可不像看起來一樣簡單，因為其他水果，例如香蕉、橙子和葡萄也會被添加來以混淆機器人。要想成功，它必須通過在訓練期間數以千計的會話進行試錯學會每種不同類型水果的單詞。

虛擬代理從命令中的單詞中找出需要採取的正確動作。

它將這項任務分為四個部分：

• 處理命令併產生答案的語言模塊。
• 在命令中選出相關的單詞的識別模塊。
• 允許代理查看其所處的本地環境的視覺感知模塊。
• 執行移動的動作模塊。

例如，假設代理處在香蕉的南部和蘋果的東部。如果問「香蕉在哪裡？」正確的答案是「在北邊」。它必須使用語言模塊理解指令，使用其視覺感知模塊了解自身與香蕉之間的空間關係，使用識別模塊分辨蘋果和香蕉的不同，然後使用操作模塊回答問題。

雖然機器人在執行導航和識別任務方面平均達到了90％的準確度，可是XWORLD只是一個簡單的環境。老師只使用一個很小的、包含104個辭彙的辭彙表，包括九個地點，四種顏色和四十個不同的對象類。它可以說共十六種類型的句子，四種導航命令和十二種類型的識別類。老師講的句子長度可以從2到12個字，而機器人只能回答單個的單詞。

俞浩南（音譯）——這篇論文的合著者之一，同事也是百度的研究科學家——對《The Register》表示，要創造一個功能晚輩的機器人僕人還面臨著其他一些挑戰。

百度研究專家——俞浩南（音譯）

「與兩維世界相比，三維世界需要更複雜的視覺感知模塊，因為相同的對象從不同的角度看起來可能完全不同。能夠在任何情況下可靠地探測對象對於將其連接到相應的語言概念來說至關重要。」

「而且，在三維世界中，代理的視角是局部的：它不能總是觀察到整個世界。這需要代理具備一定的存儲機制來存儲過去的視覺信息，以便它進行導航。」

但是百度希望有一天可以開發視覺和語言組件來創建家庭機器人。

「想像未來，智能機器人從工廠運送到家庭，無需預先編程來執行特定任務。對於不知道如何進行編程的普通人來說，自然語言是訓練家庭機器人最自然的方式。」

Hu總結道，「不同的家庭可能對於機器人有不同的特殊需求。例如，有些人需要機器人來煮咖啡。所以他們可以通過給機器人一個類似『你可以用一匙糖和兩湯匙牛奶來給我煮一杯咖啡嗎？』這樣的指令訓練它。因為每個家庭都是使用自然語言並且以獨特的方式訓練自己的機器人的，所以最終他們會得到一個獨特的機器人。」