人工智慧完勝李世石，卻敗給樓梯？

AlphaGo完勝李世石，深度學習神經網路和遺傳演算法的逐步成熟，讓機器已經擁有了超越人類的能力。一時間人工智慧威脅論刷爆媒體。大家都在擔心自己的工作被機器搶走，或者某一天人類會被機器統治。機器真的已經如此強大了嗎？

AlphaGo連挪動一枚小小的棋子這樣一個最簡單的行動都需要人類幫助它完成?它在圍棋這樣的高難度遊戲上都已經戰勝了人類，如果它有機械手，自己下棋也不會有任何困難?事情真的這麼簡單嗎？更多內容敬請關注2018年1月7日21:48《對話》#觸摸矽谷 遇見未來#！

頂尖機器人難過「動作關」？

美國國防部高級研究計劃局（DARPA）組織的機器人挑戰賽被稱作「當前人工智慧含金量最高的比賽」。雖然參賽機器人都來自全球頂尖研究機構，但是需要它完成的卻是諸如駕駛、進門、打開閥門、上下樓梯等人類簡單任務。即便如此，機器人在比賽中摔倒的場景仍然屢見不鮮。普通人對機器人行動能力的印象大多來自科幻作品，然而現實世界的機器人完全是另外一回事。

計算機科學家 谷歌公司副總裁兼首席互聯網顧問文頓·瑟夫：到20世紀六七十年代，我們發現實現通用人工智慧非常困難，甚至三歲小孩能做的事計算機都無法實現。人類體驗真實世界後，在大腦中構建反映真實世界的模型，並基於這個模型制定計劃、與世界互動。目前，即使是非常成功的人工智慧程序，也不具備基於真實世界自主構建模型的能力。

人工智慧長了兩張臉？

高階智能，比如推理、規劃和下棋，計算機都能夠輕易實現。而幾歲孩子就能駕輕就熟的低階智能，如感知和運動，計算機都遠遠不夠完美。

這就是對著名的「莫拉維克悖論」。傳統觀點認為，邏輯、演算這樣的對人們來說比較困難的事情，機器要做到也很困難；至於小孩子就能解決的事情，例如跳躍，奔跑則被認為很容易。但莫拉維克悖論指出：對計算機而言，實現人類高階智慧只需相對很少的計算能力，而實現感知、運動等能力卻需要巨大的計算資源。事實證實了這個論斷：當人們幾乎解決了「困難」的問題時，「容易」的問題卻成了大麻煩。

在莫拉維克悖論提出之後，一部分人開始在人工智慧研究上追求新的方向，不再僅僅局限於模仿人類的學習和推理能力，而是從模仿人類對真實世界的感覺與反應的角度來研發機器人。

現實版「神盾局」的野心勃勃

這項世界矚目的機器人挑戰賽，它的舉辦方——美國國防部高級研究計劃局（DARPA）被稱為現實世界中的「神盾局」。在現實里，美國國防部高級研究計劃局同樣有很多野心勃勃的未來計劃。他們舉辦機器人挑戰賽，初衷就是鼓勵研究者開發機器的感知和運動能力，最終代替人類完成災難救援等各種危險任務。

伍斯特理工學院的機器人蔘賽隊參加了機器人挑戰賽。機器人要在1個小時內完成8項任務。它們需要在一段土路上駕駛車輛，避開障礙物。然後它們需要下車，這是最難的動作之一。接下來機器人會打開一扇門並走進去。走進門內以後，通訊設備就會關閉，機器人需要自主行動。它要轉動閥門，用電鑽在牆上打個孔。然後，它要完成一項「意外任務」，或是關閉開關，或是在牆上開一個洞。最後，它們需要穿過一片殘骸，並爬上樓梯。這一系列動作，需要機器人對周圍環境擁有綜合感知能力，並做出恰當反應，這是一個很大的挑戰。

如今，讓機器人直立行走或者完成某個簡單的任務動作，已經初見成效。但是，要想讓機器人真正如同人類一樣實現無障礙的自由運動，還需要付出非常多的努力。

更多內容敬請關注2018年1月7日21:48《對話》#觸摸矽谷 遇見未來#！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！