機(jī)器人產(chǎn)業(yè)方法論怎樣去重新的認(rèn)識(shí)

提到機(jī)器人，大家腦海中第一時(shí)間會(huì)浮現(xiàn)出怎樣的事物？

大概率情況下，要么是工業(yè)級(jí)/服務(wù)級(jí)機(jī)器人，以機(jī)械臂、簡(jiǎn)單驅(qū)動(dòng)型為主角，不講究外形美觀(guān)，動(dòng)作也往往不怎么連貫，常常被冠以“人工智障”的美稱(chēng)；

要么則是仿人機(jī)器人，它們總是出沒(méi)在伯克利或波士頓動(dòng)力等高大上的實(shí)驗(yàn)室里，能夠以七十二般武藝讓人類(lèi)忍不住發(fā)出“滅絕警告”，但必需的編程和持續(xù)作業(yè)能力，以及技能的泛化程度，卻都達(dá)不到大規(guī)模應(yīng)用的可能。

人與智能機(jī)器之間，有沒(méi)有第三種可能呢？

其實(shí)早在1960年，約瑟夫·利克萊德（J. C. R. Licklider）就曾提出了一個(gè)觀(guān)點(diǎn)——人機(jī)共生（Man-computer symbiosis）。

簡(jiǎn)單來(lái)說(shuō)，就是人類(lèi)和電子設(shè)備以親密合作的方式生活在一起，甚至結(jié)成緊密的聯(lián)盟。兩者的結(jié)合，可以創(chuàng)造一種高產(chǎn)且生機(jī)勃勃的合作關(guān)系。

“人類(lèi)機(jī)器命運(yùn)共同體”，聽(tīng)起來(lái)是不是很心動(dòng)？可惜的是，目前目前還很少見(jiàn)到人機(jī)共生體（man-computer symbioses）的出現(xiàn)。所以，最近中國(guó)機(jī)器人產(chǎn)業(yè)中出現(xiàn)的“發(fā)球機(jī)器人”，就引起了我們的注意。

原因無(wú)他，這或許是人機(jī)共生“星星之火”燎原的起點(diǎn)。

點(diǎn)燃人機(jī)共生的星火：發(fā)球機(jī)器人的初蹄

首先有必要解釋一下，為什么說(shuō)發(fā)球機(jī)器人，體現(xiàn)出了“人機(jī)共生”的現(xiàn)實(shí)趨勢(shì)。

這款發(fā)球機(jī)器人，起源于新松機(jī)器人與乒乓球?qū)W院一次偶然的談話(huà)。

當(dāng)前的乒乓球運(yùn)動(dòng)存在一些亟待解決的問(wèn)題：

一是效率。助教為專(zhuān)業(yè)運(yùn)動(dòng)員喂球時(shí)，往往在速度、旋轉(zhuǎn)、落點(diǎn)控制、頻率等方面，難以達(dá)到高水平選手的訓(xùn)練需求；

二是統(tǒng)一。一旦助教出現(xiàn)疲憊、狀態(tài)不佳等情況，就會(huì)直接影響速度、旋轉(zhuǎn)等參數(shù)，影響訓(xùn)練特定技戰(zhàn)術(shù)動(dòng)作的一致性，運(yùn)動(dòng)員很難形成最佳的肌肉記憶；

三是反饋。乒乓球是一項(xiàng)實(shí)時(shí)性非常高的運(yùn)動(dòng)，往往一秒之間幾個(gè)來(lái)回，過(guò)快的球速與落點(diǎn)的不確定性，也導(dǎo)致教練往往只能憑借經(jīng)驗(yàn)來(lái)反饋，很難通過(guò)量化來(lái)優(yōu)化教學(xué)，一些特定動(dòng)作也就無(wú)法有效分析和復(fù)現(xiàn)。

四是普及。乒乓球的另一個(gè)身份是“國(guó)球”，中國(guó)有眾多的愛(ài)好者和青少年參與到這項(xiàng)運(yùn)動(dòng)中來(lái)，但不同地域、不同水平的教練卻參差不齊，自然也就無(wú)法滿(mǎn)足更多人群享受乒乓球這項(xiàng)運(yùn)動(dòng)的愿望。

能不能通過(guò)智能技術(shù)的引入，來(lái)解決上述問(wèn)題呢？

深耕深度學(xué)習(xí)算法的龐伯特，就以新松的機(jī)器人研發(fā)技術(shù)和中國(guó)乒乓球?qū)W院的海量專(zhuān)業(yè)數(shù)據(jù)和課程，研發(fā)出了可以自主決策的人工智能發(fā)球機(jī)器人。

而讓龐伯特機(jī)器人得以勝任發(fā)球工作的幾大核心：

首先是感知。通過(guò)高速雙目立體視覺(jué)系統(tǒng)，機(jī)器人能夠捕捉高速運(yùn)動(dòng)下的乒乓球位置，并形成球的軌跡，通過(guò)軌跡分析，在毫秒內(nèi)判斷球速以及球的旋轉(zhuǎn)方向，讓乒乓球技術(shù)轉(zhuǎn)化為可視的數(shù)據(jù)，實(shí)時(shí)調(diào)整，精準(zhǔn)化訓(xùn)練。

其次是決策：在軌跡分析的基礎(chǔ)上，龐伯特同時(shí)對(duì)人體動(dòng)作進(jìn)行捕捉，通過(guò)與預(yù)設(shè)的動(dòng)作角度進(jìn)行比對(duì)，分析運(yùn)動(dòng)員動(dòng)作是否到位。結(jié)合軌跡和動(dòng)作兩個(gè)因素，判斷運(yùn)動(dòng)員的水平，推薦課程。對(duì)于個(gè)人愛(ài)好者來(lái)說(shuō)，相當(dāng)于擁有了一個(gè)專(zhuān)業(yè)教練+陪練。

再次是運(yùn)動(dòng)。龐伯特機(jī)器人具有類(lèi)人化結(jié)構(gòu)，不同于市面上以擠壓方式進(jìn)行發(fā)球的設(shè)備，龐伯特能夠高度模擬類(lèi)人化的發(fā)球方式，模擬人類(lèi)發(fā)球時(shí)對(duì)球方向和旋轉(zhuǎn)，實(shí)現(xiàn)兩跳發(fā)球。而利用不同的球拍膠面，還能打出不一樣的球，這些都能更好地輔助人類(lèi)運(yùn)動(dòng)員進(jìn)行訓(xùn)練。

顯然，龐伯特機(jī)器人正在將技術(shù)思維（technical thinking）與人類(lèi)智慧相結(jié)合，為人機(jī)共生打開(kāi)了新的窗口。

逃離恐怖谷：發(fā)球機(jī)器人昭示三重改變

從龐伯特機(jī)器人的實(shí)踐中不難看出，如果在人和機(jī)器之間建立共生關(guān)系，那么二者的合作互動(dòng)顯然會(huì)大大改善很多現(xiàn)有問(wèn)題。

由此也可以總結(jié)出，共生型機(jī)器人與大眾常見(jiàn)的傳統(tǒng)機(jī)器人有何不同之處：

首先，盡管所有人造系統(tǒng)都是為了幫助人類(lèi)，但傳統(tǒng)的自動(dòng)化機(jī)器人更多的是為了實(shí)現(xiàn)“人類(lèi)增強(qiáng)”，而共生型機(jī)器人則是為了“與人類(lèi)更好地生活在一起”。

還是以發(fā)球機(jī)器人為例，傳統(tǒng)的發(fā)球設(shè)備只是機(jī)械地?cái)U(kuò)展某項(xiàng)技能，比如取代人的手臂來(lái)進(jìn)行發(fā)球，往往需要人類(lèi)助教來(lái)完成那些需要主動(dòng)決策、調(diào)整、制定標(biāo)準(zhǔn)等工作，在效率和功能上并沒(méi)有帶來(lái)質(zhì)的改變。

而龐伯特機(jī)器人的特殊之處，就在于通過(guò)深度學(xué)習(xí)算法的引入，在智能程度上賦予了機(jī)器人新的高度。比如實(shí)時(shí)高通量的數(shù)據(jù)收集與處理；高效精準(zhǔn)專(zhuān)業(yè)的預(yù)判決策；個(gè)性定制化的訓(xùn)練反饋與指導(dǎo)；乒乓球運(yùn)動(dòng)的隨機(jī)性又要求算法具備一定的泛化能力和高魯棒性……這些都是龐伯特機(jī)器人能夠成為乒乓球運(yùn)動(dòng)伙伴的關(guān)鍵。

第二，共生型機(jī)器人必須具備可“實(shí)時(shí)”（real time）進(jìn)行的思考過(guò)程。

傳統(tǒng)的機(jī)器人可以根據(jù)預(yù)先設(shè)定的程序處理數(shù)據(jù)。比如餐廳服務(wù)機(jī)器人，輸入店內(nèi)地圖、設(shè)定好傳送菜程序之后只能按部就班地工作，有的甚至連避讓行人都做不到，因?yàn)樘崆霸O(shè)定會(huì)導(dǎo)致一旦出現(xiàn)不可預(yù)見(jiàn)的情況，整個(gè)過(guò)程就會(huì)停止。

但球類(lèi)運(yùn)動(dòng)可不一樣，乒乓球的高速運(yùn)動(dòng)需要發(fā)球者做出毫秒級(jí)的判斷，像人一樣快速思考、分析、決策、反應(yīng)。對(duì)于人類(lèi)來(lái)說(shuō)都可能要靠直覺(jué)來(lái)完成的事情，對(duì)機(jī)器與人之間的耦合要求要緊密的多。

讓機(jī)器能夠做出決策和控制復(fù)雜的情況，而不依賴(lài)于預(yù)先確定的程序，就是龐伯特機(jī)器人向我們展示的現(xiàn)實(shí)圖景。

最后，共生型機(jī)器人有機(jī)會(huì)重構(gòu)機(jī)器人行業(yè)的商業(yè)方法論。

長(zhǎng)期以來(lái)，傳統(tǒng)機(jī)器人市場(chǎng)的商業(yè)邏輯，要么是“人工+智能”，用真人來(lái)操控機(jī)器人模型，以達(dá)到模擬強(qiáng)人工智能的效果；要么是長(zhǎng)期砸錢(qián)在天頂技術(shù)上，比如波士頓動(dòng)力的機(jī)器人雖然炫酷，卻因商業(yè)化困難而賣(mài)身給軟銀。

但龐伯特機(jī)器人所代表的共生型機(jī)器人卻開(kāi)啟了另一種模式，通過(guò)“真AI算法”+聚焦實(shí)用場(chǎng)景來(lái)切入市場(chǎng)。

我們注意到，除了發(fā)球機(jī)器人之外，龐伯特還打造了對(duì)打機(jī)器人。

將深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與強(qiáng)化學(xué)習(xí)相結(jié)合，讓對(duì)打機(jī)器人和發(fā)球機(jī)器人能夠通過(guò)大量復(fù)雜環(huán)境的交互，運(yùn)用各自的人工智能算法平臺(tái)，不斷得到反饋，互相學(xué)習(xí)到新的技能與策略，機(jī)器人之間的對(duì)戰(zhàn)也能不斷提升算法模型的復(fù)雜度與智能度。

同時(shí)，一旦高性能算法模塊被拼圖一樣使用，就能夠以低成本、小型化、高效率的方式快速打開(kāi)市場(chǎng)，未來(lái)不止于乒乓球這一項(xiàng)運(yùn)動(dòng)，更多場(chǎng)景都可以通過(guò)軌跡分析、動(dòng)作分析、終端顯示等集成模塊帶來(lái)改變。

從這個(gè)角度看，龐伯特機(jī)器人正在重新確立人與機(jī)器、甚至是機(jī)器與機(jī)器的關(guān)系，即一種共生伙伴關(guān)系（symbiotic partnership）。在這一美好的畫(huà)面中，機(jī)器會(huì)為人類(lèi)提供見(jiàn)解和決策，而人類(lèi)則能更有效地進(jìn)行智力活動(dòng)與創(chuàng)造。

打開(kāi)產(chǎn)業(yè)智能的價(jià)值圖景：挖掘人機(jī)共生的富礦

正如國(guó)際人工智能聯(lián)合大會(huì)前主席Francesca Rossi所說(shuō)，人機(jī)共生是未來(lái)人類(lèi)使用AI的最好方式。

那么，作為人類(lèi)和機(jī)器的預(yù)期前景，其中是否也埋藏著商業(yè)價(jià)值的富礦呢？

答案是肯定的。

以龐伯特機(jī)器人為例，未來(lái)就有可能締造出不少新的產(chǎn)業(yè)機(jī)遇。

比如說(shuō)，通過(guò)與海量運(yùn)動(dòng)員對(duì)戰(zhàn)，發(fā)球機(jī)器人可以積累專(zhuān)業(yè)領(lǐng)域的數(shù)據(jù)，不斷優(yōu)化算法，快速提升自身的擊打能力和策略，衍生出個(gè)性化的對(duì)戰(zhàn)方式，來(lái)幫助運(yùn)動(dòng)員更好地進(jìn)行訓(xùn)練。并將其輸出為可量化、可視化的訓(xùn)練標(biāo)準(zhǔn)，讓乒乓球的專(zhuān)業(yè)教育門(mén)檻下沉到普通人生活當(dāng)中。

再比如，分析決策算法的持續(xù)迭代，有望推廣到新的運(yùn)動(dòng)和行業(yè)中去，以基礎(chǔ)化的能力支撐起千行萬(wàn)業(yè)的智能化需求，成為“新基建”中不可或缺的一員。舉個(gè)例子，當(dāng)機(jī)器人與城市智慧健康系統(tǒng)結(jié)合，是否能夠作為市民健康的關(guān)鍵終端，來(lái)提供行而有效、可連可控的運(yùn)動(dòng)網(wǎng)絡(luò)呢？

從這個(gè)角度延展開(kāi)來(lái)，龐伯特機(jī)器人不僅能夠輸出算法模塊，還能夠向其他行業(yè)輸出軟硬件合一的整體智能解決方案。通過(guò)算法、硬件、人的交互，完成一次人機(jī)共謀的大變革。

站在萬(wàn)物智能、人機(jī)共生的起點(diǎn)，不難預(yù)見(jiàn)人類(lèi)和機(jī)器之間密切耦合的未來(lái)。與智能生命伙伴共舞，是人類(lèi)必然的未來(lái)。而目睹了龐伯特機(jī)器人的我們，也正在經(jīng)歷種植AI的進(jìn)行時(shí)。

過(guò)去的數(shù)年間，讓深度學(xué)習(xí)擺脫需要大量輸入和人工的有監(jiān)督學(xué)習(xí)，一直是人類(lèi)研究者努力的方向，為此推動(dòng)了許多新的技術(shù)進(jìn)展，比如：

借助meta learning元學(xué)習(xí)算法，機(jī)器獲得了“泛化”，能夠舉一反三，學(xué)習(xí)協(xié)同性地處理多種任務(wù)；

借助Reinforcement Learning強(qiáng)化學(xué)習(xí)，機(jī)器懂得了“決策”，通過(guò)不斷地自我學(xué)習(xí)與回饋來(lái)抵達(dá)高級(jí)智能。

而這些能“擬人”的機(jī)器學(xué)習(xí)方法，也讓AI獲得了前所未有的能力，打敗柯潔李世石的DeepMind阿爾法狗、在DOTA2中團(tuán)滅人類(lèi)電競(jìng)選手的OpenAI Five、自動(dòng)駕駛，乃至通用人工智能AGI，都是通過(guò)讓機(jī)器模仿人類(lèi)對(duì)世界的認(rèn)知方式，以不斷探索、試錯(cuò)、改進(jìn)的方式，與環(huán)境進(jìn)行實(shí)時(shí)交互，進(jìn)而提高自己的能力。

天地有正氣，雜然賦流形。今天，龐伯特也試圖讓機(jī)器人“自行進(jìn)化”，啟動(dòng)了一場(chǎng)發(fā)球機(jī)器人教對(duì)打機(jī)器人打乒乓的“先鋒實(shí)驗(yàn)”。

通過(guò)兩臺(tái)機(jī)器人之間的相互“較量”，讓機(jī)器人身處在一個(gè)不可預(yù)期的環(huán)境中，依靠人工智能算法平臺(tái)主動(dòng)生成一些標(biāo)記和標(biāo)簽來(lái)做決策判斷，獨(dú)立解決多個(gè)非線(xiàn)性的邏輯問(wèn)題，通過(guò)“行動(dòng)-評(píng)價(jià)”的強(qiáng)化學(xué)習(xí)機(jī)制來(lái)改進(jìn)自身，適應(yīng)新的環(huán)境，從而發(fā)展機(jī)器人間的校驗(yàn)標(biāo)準(zhǔn)。這會(huì)為成為機(jī)器人社會(huì)意識(shí)的起點(diǎn)嗎？