【认识AI：人工智能如何赋能商业】【08】通用人工智能应用—智能机器人

【认识AI：人工智能如何赋能商业】【08】通用人工智能应用—智能机器人

作者 | Harper

审核 | gongyouliu

编辑 | auroral-L

通通用人工智能应用—智能机器人

本期给大家带来的内容是来自于这本《认识AI，人工智能如何赋能商业》，本期开始呢给大家介绍一些通用人工智能应用，人工智能最实用，最受关注的应用之一就是在机器人领域，通过使用机器人进行体力劳动，比如打包，发货，给汽车上漆，或者扫地等等。

然而直到最近，机器人技术还局限于制造高度专业化的机器。比如在以前，那种汽车制造厂，就配备了许多特种机器人，它们可以完成人类不可能完成的任务。机器人可以在装配线上路松地把汽车抬起来，这样人们就可以在下面安装零件。尽管这些机器人给我们带来了很大的便利，但它们所能完成的任务有限。它们只是非常适合执行重复性任务，甚至适合执行危险的任务，但仍然需要程序员“告诉”它们该做什么。

而将机器人技术与人工智能相结合，可以生产出能够适应不断变化的环境并学习如何执行额外任务的机器。例如，许多扫地机器人现在使用一种符号人工智能来绘制不同房间的地图，并确定最有效的路径来为整个地板吸尘。当它们电量不足时，可以返回到充电桩为自己充电。它们可以小心地避开楼梯和其他障碍物，不会因为不小心撞到什么地方就直接撞碎了。

一个更为复杂的例子是自动驾驶汽车。最新的车辆采用的是人工神经网络，配备了大量复杂的传感器，通过这些传感器收集数据输人网络，训练神经网络寻找安全的驾驶模式。早期版本的自动驾驶汽车有方向盘、油门和刹车，需要一个人坐在驾驶座上，他可以在紧急情况下接管自动驾驶模式。这种方法提供了一种监督学习的形式，当神经网络出错时，驾驶员将对其进行修正。但最近，通用汽车(GM)推出了一款无方向盘，也没有其他手动控制装置的自动驾驶汽车。

对于任何新的机器人项目，必须首先考虑最适合该项目的人工智能类型。基本上有3个选项。

第一，专家系统:它通过编程告诉机器人该做什么并且怎么做。

第二，监督学习:教机器人做什么，并当它出错时纠正它。

第三，无监督学习:提供数据和算法，机器自己学习如何执行任务。

那么假设你想制造一个机器人来开处方。它需要阅读和识别处方，往瓶子里装入正确剂量的药物，在瓶子上贴上标签，然后把它交给顾客。假设你将药物放在固定的位置，那么这项任务相当简单。给机器人一套特定的指令，它就可以执行任务。所以肯定不会想使用无监督学习，因为我们并不希望机器人从错误中学习。而对于自动驾驶汽车来说，它需要大量数据进行学习才能从A点移动到B点。这些数据可以来自各种传感器，包括摄像头、雷达、声呐、GPS等等。它可以像人类那样，通过谷歌地图等程序的指引，找出如何从出发点导航到目的地。而且它还必须能够看清并识别路标，对附近物体进行分类，调节驾驶状态应对不同的路况，等等。没有人能够将汽车可能遇到的所有可能的变量编程到自动驾驶汽车中，因此它必须能够学习:要么让驾驶员教它要么让它自我学习。

谷歌之前流传过这样一个说法，他们认为自己的自动驾驶汽车不是机器人问题，而是大数据问题。让一辆车左转或右转很容易，但让一辆车理解何时左转或右转就会困难得多。所以当选择一种用于机器人项目的人工智能技术时，需要考虑数据在机器人 *** 作中所起的作用。如果需要处理大量数据，涉及非常多的影响变量，就可以考虑使用机器学习技术。

本内容来源于「数据与智能」创始人刘强翻译的畅销书「认识AI：人工智能如何赋能商业」，喜欢的读者可以点击下面链接直接购买。

本文的视频版本可以直接点击下面视频观看，欢迎关注数据与智能视频号获取更多精彩视频。