1
| 本文作者： 楊波 | 2016-10-08 11:34 |
日前，日本工業機械巨頭Fanuc宣布，他們已經和英偉達進行了合作，為英偉達工廠的機械臂添加了“增強學習”的能力，這意味著AI技術的浪潮即將席卷整個制造業——也就是說，工廠里那些木訥無聊的大塊頭機器人的智商終于可以充值了！
講真，這簡直是飛躍性的進步?。∫?，目前的一些工業機器人編程只能讓它們以極高的精準度完成單一任務，而一旦產品的生產過程發生了細微變化，機器人程序就需要徹頭徹尾地重新編寫，這不但費時，還會消耗大量科研力量。但是，機器學習可以讓這些機器人在生產實踐的過程中不斷學習，從而實現自我編程。這當中涉及到的技術叫作“增強學習”，它通過深度神經網絡算法控制機械臂的動作，并讓它們調整自身行為，從而不斷趨向于完成某一目標，比如揀起某個物件等。這個過程可以通過大量機器人協同工作、分享它們“學習”到的知識，實現加速。
另外，英偉達打造的圖形處理器實現了高速并行計算，它特別適用于深度學習。Fanuc將會把英偉達的這個處理器安置在機器人個體以及控制工廠里所有機器人的中央系統中。如此一來，機器人學習獲得的數據會傳輸到這個被英偉達稱為“GPU超級計算機”的中央系統中，而學習的模型會被內化到機器人執行動作、使用計算機視野和深度學習的實踐過程中。
對此，英偉達的全球運營副總裁Masataka Osaki評論道：
“接合度高的復雜型機器人能夠以各種方式完成各種任務，所以他們能產生大量數據，同時他們也需要強大的計算能力。”
實際上，Fanuc早前打造的大量工業機器人的應用面已經非常廣泛，包括汽車生產、電子工業和食物生產等。與此同時，Fanuc在機器人云端連接和機器學習方面的研發進展也堪稱神速。要知道，“增強學習”功能是目前機器人領域一個頗為大勢的研究方向，谷歌就曾經利用這項技術打造了超人類水平的圍棋AI“AlphaGo”。和“AlphaGo”一樣，讓機器人控制物體或執行其他任務是很難實現人工編程的。
機器人學習專家兼Brain of Things創始人的Ashutosh Saxena認為，讓工業機器人實現數據共享非常重要：
“早前，這類機器人的設計并沒有考慮到數據共享這個功能。但不得不承認的是，深度學習非常適合處理沒有人工編程情況下的行為調整。”
“我們在AI學習社區和傳統的工業機器人制造商的合作中看到了巨大的潛力，” 負責亞利桑那州立大學機器人學習實驗室的助理教授Yezhou Yang說道。但是Yang還是有一些顧慮的：“因為人們不參與編程了，操作員很難得知系統到底是如何運作的。因此，在他們眼中，系統就是個黑匣子。但設想，如果哪天發生了意外怎么辦？所以，我們還是需要打造一個所謂的交互界面，給自己留些回旋的余地。”
早前，Fanuc曾和一家叫 Preferred Networks的日本公司一起研發“增強學習”；如今，它和英偉達的合作成果更是讓人驚艷。我們期待在未來，AI技術能更好地促進新一代機器人的研發，在推動工業生產發展的同時，提高人類工作和居家生活的幸福感。
via technologyreview
推薦閱讀：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
