0
| 本文作者： 李曉利 | 2017-07-17 18:18 | 專題：GAIR 2017 |
雷鋒網按：本文為美國賓夕法尼亞大學工程院院長Vijay Kumar在CCF-GAIR大會上做的題為“Challenges in Autonomy”的分享，雷鋒網進行了全文整理。全文分為上下兩部分，以下是第二部分。
傳送門：時隔一年 Vijay Kumar 再登 GAIR 講臺，講述自動化的技術與社會挑戰（上）
2017年7月7日至9日，全球人工智能與機器人峰會CCF-GAIR大會在深圳成功舉辦。本次由CCF中國計算機學會主辦、雷鋒網與香港中文大學（深圳）承辦。來自全球30多位頂級院士、近300家AI明星AI企業，齊聚智能科技產業盛會。
Vijay Kumar在無人機領域被稱為“無人機大神”。他在多機器人的編隊控制協調，做出了非常大的貢獻。2016年，Vijay Kumar在CCF-CAIR峰會介紹了無人機會向著Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集群）“5s”的趨勢發展。時隔一年 Vijay Kumar 再登 GAIR講臺，今年Vijay Kumar以“Challenges in Autonomy”為主題，進行了演講，重點介紹了自動化浪潮的技術與社會挑戰。Vijay Kumar是美國賓夕法尼亞大學工程院院長，同時也是美國國家工程院院士，美國電子電氣工程師協會研究員（IEEE Fellow）。
以下為Vijay Kumar演講速記全文整理，雷鋒網在不改變原意的基礎上做了精編：
說到自動駕駛汽車或者無人機的時候，大家都說，我們要有機器學習，我們確實在做機器學習，但是它有很多的限制。我們要讓機器懂得學習，如果操作者、設計者想要打破固有的框架，我們希望讓機器做更多的事情。比如我們可以做一些抽象算法，這些抽象的東西是人進行控制的，比如動態的模型，我們想學習如何在高速情況下防撞，我們可以用一些計算機學習通過對數據的收集、分析處理，當時我們也可以讓我們的機器做更加復雜的運算。
另外汽車也可以去越過一些障礙物，但是需要掌握更加復雜的技能，這是機器學習的重要意義。能夠在更加復雜的環境當中馳騁，我們要解決一些問題，包括計算機技術的發展，可以讓計算機做一些更加復雜的信息，可以建立不同的傳感器獲取更多的信息。我知道這里有張桌子、有椅子、后面有門，這樣的圖像就可以建立起來，幫助計算機學習和了解周圍的環境。現在我們的計劃和控制沒有辦法通過機器學習來實現。
深度學習在我的實驗室里也有一部分，就是我們說的精準農業，機器穿過橘子林，就能算出橘子的數量，飛機起飛之后，它可以穿過橘子林，正確得到橘子的數字，我們計算是很重要的。但是這樣的成果就可以讓農民知道它今年的收成是多少，這樣就可以更好的優化它生產的系統，包括后續的果實采摘、交通運輸等等，在好的收成年份有很好的幫助。比如一棵橘子樹，你數到一半就數不下去了。現在有這樣的技術，你拿到95%的數據，這樣對精準農業非常有幫助。
機器人和人工智能可以說還不能想象。我們應該有更多的期待。格林斯潘在1997年就嘗試過利用機器預測金融危機，但失敗了。我們現在不能過度夸大人工智能的能力，我認為人工智能是有局限的。
首先，現在有很多數據過程，它需要機器學習。在學習過程中會帶來新知識。現在，我們數據的量每九個月就會翻一番，我們學習的知識遠遠趕不上這樣的速度。我想說機器應該加強學習能力。我們計算非常復雜，現在可以做很高強度的計算，但不意味著機器就可以自動的完成這些事情。
其次，如果我們可以數果實，99%都是對的。但我們可能需要很大的數據才能夠完成這個任務，如果要把準確率從90%提升到99%，可能需要花很大的力氣才能實現這個目標。所以，在某種程度上，我們所需要的數據量，是乘幾何倍數的增加。你要數果實，可能不需要99.99%的準確率，只需要90%。但是你一輛車每分鐘90分鐘的速度就需要99.99%的準確率。自動化數果實不一定要那么準，但你要開車或者在YouTube上找一個貓，準確率不需要那么高，但要駕駛一個車，準確率就要非常高。另外，采取行動之前必須要有認知，這個認知越來越困難。同樣，行動也是一樣的。你要經過感知之后采取相應的行動，這樣一個循環往復，就會給你帶來一個很大的計算量和很大的數字。
最后，我之前沒有講到這一點，但是Oussama Khatib教授提到了。那就是我們想做實體的會更難。尤其是飛行和開車，我們不會有實際的接觸，這只是通過數據實現。但如果要有實際的接觸，會更難。
未來自動化機器人，人機之間的互動，會是發展方向。現在我們對這一點的研究還非常初步，除非能夠找到人機互動之間的和諧方式。我們可能做一些非常簡單的任務，未來會有更多的挑戰。人工智能還有機器人要往前發展，還需要做很多努力。
另外，關于能源問題。我們在空中舉起一公斤的重量，需要200瓦，如果你要舉起一個50公斤的人，可能需要更大的能量消耗。現在我們的技術還沒有達到這樣的水平，尤其是要消費的能源，如果模式不發生改變，在未來就很難實現。因為你可以看到電池越來越貴。我現在要來到北京，可能看到很多電動車在上路。那就意味著這個電動車未來的電池價格會下降，特斯拉也在做自己的電池工廠。但現在我們知道，事情還遠遠沒有達到理想的狀態，我們將會在未來把很多東西提到天上去。這個過程需要消耗大量的能量。有一家公司叫做Jet Optera，他們由一個非常快的速度，承重可以達到5鎊，是用化學燃料。尤其是航空行業，如果不用化石燃料，可能很難有發展。
現在我們有很多挑戰，比如在社會中。第一，這個世界是多種多樣的，這個世界可以獲得各種各樣的科學技術的發展和進步。我覺得這就是所謂科技的民主化。現在一個高中生，對于機器人的了解比我在大學之后的程度還要深。這就是技術發展的速度，當然，也有很多的機會，同時，也有一些陷阱。為什么我這么說？我想向大家展示一張漫畫（上圖），我們當時在發明車輪的時候，是怎樣的情景。如果有人要做車，這個人要很有錢才行。這張圖片可以看到，這個國王是四個人才把他舉起來，而我們說只有國王才能坐轎子，其他人沒錢坐轎子。但現在有了車輪之后，三個人丟失了工作，只需要一個人就能夠拉車。好像現在計算機技術的發展，機器人未來可以完成越來越多的工作，就會有很多人失去工作。對于我們來講，就會有更多的技術呈現在我們面前。
從我們的角度出發，有這樣一個金字塔，當談到研究以及研究到哪個程度，就會出現這個金字塔。這個金字塔展示了最底部，有很多人薪資非常少，很有可能能換成人民幣，不管是在哪個國家，同樣的情況都是如此。但隨著研究程度不斷提升，這個金字塔越往上走，人就越少，社會財富總是掌握在少數人手中。你研究的越多，就會有更多的機會能夠接觸到高薪工作。這對于目前的環境來說也是如此。
從四年前到現在情況發生了極大的變化，金字塔發生了變化，我們都在探討這個金字塔到底哪個部分會慢慢失去。很多人認為，最低端的工作會被機器人期待，但我認為不是，因為現在機器人還沒有辦法達到三歲小孩的思考能力。我們不可以同樣一個機器人和中國五歲的小孩玩其他游戲并且戰勝這個小孩。我們認為機器人在復雜的計算能力里還是有局限的。在沒有特別多的訓練里，他們的工作仍然可以做得很好。但四年之后，中間的工作會消失，可能并不是最頂尖和最底部，而是中間的工作會給到這些人。現在可能最好中國大學畢業的學位或者世界上最好大學畢業的學位，你們已經做到這一點。
在考試中得到了好成績。但機器人現在最擅長的就是考試。所以對我們來說，如果你只是擅長考試的一個機器，你今天就有可能被機器人取代。因為機器人可能考試比你好，四年后你的工作可能就要拱手讓給機器人了。這是我們對未來機器人發展的想法。對我們來說，最好的解決方案就是通過教育做到，我們要不斷學習，盡管我已經是一個教授。拜登曾經說過永不停止的教育，這樣的說法能幫助我們拯救社會，幫助我們免予受到機器人取代這一步。
安全性，我們很難理解到底在機器人當中所謂的安全性是什么，現在并沒有過多的數據指導，對安全性進行量化。但我們現在談到的安全性多種多樣。
第一，所謂驗證。比如你有一個洗衣機，如果你想證明它是一個洗衣機，就必須要證明這個洗衣機是一個洗衣機的特質。洗衣機的特質是把衣服放進去洗衣機就可以洗衣服。所以你可以證明這個機器是一個洗衣機。但現在要證明是機器人很難。
第二，信任。我們提到這個機器人，我們要證明機器人，事實上并不會出現任何人類所希望看到的結果。我們會看是否能證明它不會漏水，它并不會造成電器的短路。所以我認為信任也非常重要。
第三，安全性。在實體世界中，有兩種方法，能真正觸動一個系統或者侵入一個系統。要么黑進一個系統或者黑進一個感應器。現在如果要去黑一個自動駕駛，不是黑系統而是黑感應器。要么是攝像機要么是其他感應器黑掉，黑掉以后就黑掉整個系統。談到安全性，很多人之前沒有提到或者想到。在不斷推動自動化系統過程中，安全性非常重要。
我們生活在一個非常興奮的時代，如果我們來看一下這個橫軸，當時出現了實體世界的革命，然后進入半導體革命，然后有互聯網帶來網絡革命，現在正在進行人工智能以及機器人，現實世界和虛擬世界的結合。我們相信未來會不斷推廣，我們走著這段發展道路。而對于人來說，發生了變化，但是人的發展是一個線性的過程，如果看一下政府對技術的理解以及政府如何通過技術進行政策推廣。事實上比我們更慢。人在不斷的適應各種技術，社交媒體就很好，我們現在在不斷的接觸和了解并且適應機器人。
未來有了自動駕駛的汽車和飛行器，除了安全問題，還要探討政府的政策和法律監管。很多政府現在還沒有想到那么多，美國的政府可能已經在探討這方面的問題，而中國政府還沒有探討到很多對于自動駕駛汽車、自動駕駛無人機的法律監管問題。我相信這部分也是我們重點進行關注。我知道我們現在確實有Oussama Khatib提到的潛水機器人、手術機器人，都能得到有效的利用，但我們要探討如何進行安全利用。未來這點會越來越重要。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
