Ken Goldberg：看的機器人越多，越喜歡瓦力

最新 01-26

「我不認同『奇點』這個概念，『機器超過人，並最終取代人類』的時刻不會到來。」

在極客公園舉辦的 IF 創新大會上，來自加州大學伯克利分校工業工程和運籌學系教授 Ken Goldberg 說出了這句令人寬慰的預言。就在去年，谷歌的人工智慧程序 Alpha Go 戰勝全球第一的圍棋選手柯潔，榮升九段；先後被谷歌和軟銀納入帳下的波士頓動力研發的機器狗，能實現快跑和空翻等雜耍般的動作。美國知名媒體紐約客和連線兩家雜誌的封面先後選擇了機器人主題，提示讀者這些金屬人在取代人們工作和模擬人類情感方面所含有的可怕潛力。

面對這些信息，Goldberg 認為人們大可以繼續保持淡定，因為機器雖然可以在棋盤上戰勝圍棋天才，卻未必能像三歲小孩一樣抓取物體。當面對真實混亂的世界時，機器人需要的是人類的指引。而當面對未來時，機器帶來的並非威脅，而是一個機會，人類可以藉助機器的智慧，攜手共進。

Ken Goldberg在極客公園IF創新大會演講

英文機器人「Robot」一詞首次出現是在 1920 年，捷克作家 Karel Capek 在科幻戲劇《羅蘇姆的萬能機器人》「Rossum"s Universal Robots」。其詞源來自 Robota，原意為勞役和苦工，從一開始就賦予了機器人「奴隸」的身份。可能是曾經有太多王朝都被奴隸推翻，以至於人們對被自己奴役的人或事物有著天生的恐懼。

從默片時代開始，「恐怖機器人」就是好萊塢長盛不衰的主題，《終結者》、《我，機器人》等影片成功刷新人們對機器人的恐懼。隨著近年來人工智慧熱潮的興起，媒體們再次替機器人「敲響」了人類的末世警鐘。「正是媒體的過分渲染，加劇了人們由來已久的『自動化恐懼』。」Goldberg 在採訪中說到，「但這並不是什麼新鮮事兒，我們的恐懼從上世紀就開始了。」

去年，谷歌 DeepMind 團隊研發的程序 AlphaGo 將韓國頂尖棋手李世石挑落馬下後，和我國國手、圍棋世界排名第一的柯潔對壘並最終獲勝的新聞，再次挑動了人們敏感的神經。一剎那，人們又想起 20 年前國際象棋大師卡斯巴羅夫被 IBM 的「深藍」（Deeper Blue）支配的恐懼。相對於國際象棋，圍棋需要的算力和演算法難度呈指數級上升，一直被認為是人類抵禦電腦的「安全堡壘」，不過現在堡壘已破。可想而知，柯潔敗北，AlphaGo 升九段給人們帶來的恐懼有多深。

「AlphaGo 是非常好的程序，它能夠戰勝柯潔，但並不代表它做其他的事情也這麼厲害。」Goldberg 說到，「我們需要明確的是，圍棋是一個遊戲，有著『黑白分明』的規則。正因為有這樣的規則，機器才能發揮自己的能力。」在學界有一個知名的說法，機器能夠做大於 5 歲小孩的思維上的任何事情，而圍棋顯然就是其中之一。不過，在此之外，機器能做的就有限了。

「人們經常會暢想，未來機器將幫我們做駕駛、收拾屋子、照料老人等等工作，但這想法過於樂觀了。」Goldberg 說到，相對於看起來很難的圍棋，真實的人類生活要更加混亂且複雜，而要機器像人一樣處理生活中的各種細節，比登天還難。「假設一輛自動駕駛汽車要在北京的路上走，它沒法像人類駕駛員一樣判斷行人是要走還是停，自己該前進還是不動。」Goldberg 舉例說到，同時委婉表示了對無人駕駛技術快速成熟的質疑。

正因為機器脫離不開嚴格的規則和秩序，無法在現實生活中「生存」，這也意味著機器要想取代人類，還有非常長的一段路要走。「媒體所做的，無非是再次喚起人們對機器的恐懼記憶而已。」Goldberg 說到。

1995 年，當人們還在用數據機（modem）龜速上網時，Goldberg 就和自己的團隊製作了一個互聯網+機器人的項目。這個叫做「遠程花園」（Telegarden）的項目，允許人們通過網路遠程控制一個機械臂，在一個裝滿土的圓盤中種下一顆種子，並在其後澆水施肥來進行維護。

項目推出後大受歡迎，註冊人數從幾個發展到多達九千多人並沒用多長時間。鑒於當時能夠接通網路的人數很少，九千人的規模大概約合現在幾千萬——遠程花園就火到這個地步。當用戶外出時，他們往往會將賬號給好友或者親戚，請他們幫忙照顧自己的「遠程植物」，就像對待家中的真實植物一樣。

很難說現在保存於奧地利的「遠程花園」是科學實驗還是藝術作品，不過這個項目確實奠定了 Goldberg 對於機器人和網路的理論基礎。

二十年後，機器依舊笨拙，不過由於雲計算平台的成熟和人工智慧的崛起，機器人有了更強勁的發展動力。「現在我們有三個有利條件，大量的數據、用來分析大量數據的計算力和雲計算平台。」Goldberg 解釋說，機器將感知的數據發回雲端，通過雲端伺服器的整理和分析給出解決方案。而由於所有的機器都由雲平台聯繫在一起，一個機器找到了解決特有困難的方案，將被雲端「教給」所有機器。

當然，即使已經有了雲平台的助力，想達到讓機器人醫生給病人手術也還是奢望。首先，雖然現在 5G 等先進網路已經開始部署，但在這種情況下讓機器能夠實現沒有延遲的毫秒級實時同步，還是不太可能。「最現實的情況還是像無人駕駛汽車一樣，本地硬體做出實時決策，在晚上與雲端同步交換數據。」Goldberg 說到，按照這種推測，目前思科、華為和英特爾等科技巨頭正在推動的「邊緣計算」（Edge Computing）則非常適合這種要求，很可能在之後成為物聯網設備的新連接平台。

其次，目前的機器人在視覺/聽覺感知，機動性能和終端構造上仍有缺陷，不能像人一樣靈活活動。一個三歲小孩能輕鬆做到的抓取動作，就能難住所有的機器人。要想讓機器人能夠拿起一個任意物品，首先需要在視覺上進行感知，這點上作為 AI 的一個分支，機器視覺行業正在高速前進，所以這個問題較好解決。當機器感知到一個物體，如何找到一個合適的「抓取點」，是目前學界的難題。

在 2D 視覺領域，Google 曾經推出 ImageNet 項目，建立了一個擁有 8000 萬張被標註過的 2D 圖片，為機器視覺識別奠定了基礎。Goldberg 及團隊研發的 Dexterity Network，主要用來標註常見 3D 物體的「抓取點」，讓機器能夠更容易的拿起物體，堪稱是 3D 版的 ImageNet。同時，在 Google 和伯克利大學，團隊們也都在嘗試訓練機器人不斷拾取隨意物體，獲得相關數據。「目前機器人在拾取物體上已經能達到 90% 以上的成功率。」Goldberg 透露。

在教機器如何向生物一樣運動上，除了上面的演算法派，還有一個工程派，其代表就是曾經被谷歌收購，後被賣給軟銀的波士頓動力 Boston Dynamic。這家有著軍方背景的公司，曾經憑藉推不倒的機器人 Atlas 和能做後空翻的機器狗而聞名於世。波士頓動力的研發方式，是讓機器來模擬人和動物的動作軌跡，來完成特定或者隨機任務。雖然波士頓動力的機器人看起來炫酷，但是 Goldberg 認為讓人「親自教授」機器的方式有其問題，「演算法派」才是最有希望的解決方案。

「人類已經進化了幾百萬年，機器的進化還不到一百年。」Goldberg 建議人們多給機器一些時間。「好消息是，像水管休息、汽車修理和看護等行業的人群，很長一段時間都不會被機器所取代，因為這些工作對於機器來說太難了。」

「我並不認同『奇點』這個概念，過了這個時間機器就能取代人類。我認為『多樣性』（Multiplicity）才是未來發展的趨勢。」Goldberg 說到，既然機器帶來的並不是威脅，我們需要考慮的就不應該是恐懼，而是如何利用機器所持有的優勢。

在谷歌的 AlphaGo 背後，有一個叫做決策樹的技術。伯克利大學的研究人員發現，同樣的問題，一群稍微有些不同的決策樹能夠比單獨一個決策樹得出的答案要好。在現實生活中，同樣有實驗證明，一群背景各不相同的群體，解決問題要比一群背景單一的群體要好。而 Ken Goldberg 所說的「多樣性」，指的就是這種不同智慧之間的合作，能夠加強各方的能力。

「多樣性成功的關鍵，就是群體中的元素需要保持其獨特性。」Goldberg 說到，如果說機器擅長的是計算，那麼為了讓多樣性成功，人們就應該努力訓練自己獨有的特點。Goldberg 認為人們現在的教育教授的大多是「統一性和規則」，目的是讓所有人都一樣。如果要讓多樣性成功，我們應該更加鼓勵教育啟發學生身上「人」的特性：好奇心、創造力和想像力，這些都是機器在未來很長時間都沒辦法掌握的東西。