WRC 2016 | 蘇黎士大學教授Rolf Pfeifer：機器人的“智能”和“外形”會互相影響

WRC 2016世界機器人大會正在北京亦創國際會展中心舉行，今天是主論壇的第二天，上午，來自瑞士蘇黎士大學的Rolf Pfeifer教授為大家做了主題為“應對機器人的媒體炒作——軟材料途徑”的演講，在會上，他談到了媒體對機器人行業的影響以及未來軟體機器人的研究與發展，簡短的演講過后，雷鋒網與Rolf Pfeifer教授進行了簡短的交流，討論了一些軟體機器人及智能相關的問題。

軟體機器人的制造難點

難點有多方面，其中包括技術層面、心理學層面、社會科學層面，我們主要說技術層面。

在技術層面來講，舉個簡單的例子，能夠體現軟體機器人核心技術最關鍵的地方就是“皮膚”，拿人類的皮膚來說，比如我們用手拿一個玻璃杯，在這個動作中，我們人類手上的皮膚和組織就會根據玻璃杯的形狀來進行相應的形變、手上也會有相應的潮濕度來增加摩擦力會讓我們更穩的拿住這個玻璃杯，同時我們手上還有很多的神經末端，這就相當于人類的觸覺傳感器，這些神經末端不僅讓我們知道我們拿住了杯子，并且讓我們感受到杯子的材質和形狀，這其中很值得研究的是，我們拿杯子的時候不管手上組織如何變化，都不會改變我們對杯子的感知。這也是人類皮膚的功能。除此之外，皮膚受傷之后還會有修復再生功能等等。

以上所說的這些都是我們在開發軟體機器人的時候面臨的技術性的挑戰，如果我們能成功的打造出非常接近人類皮膚功能的軟體機器人的話，這將會帶來這個領域技術上質的突破。因此這些都是我們主要面臨的問題。

另外就是材料學，因為要進行軟體機器人的技術研發就需要不斷地開發新的材料。目前我們看到的機器人基本上都是硬質材料的，比如金屬、塑料等，這些材料的發展與應用都已經相對成熟了，而我們現在研究的軟體機器人的材料還是有著巨大的發展空間的，到目前為止，大多數在機器人這個領域有建樹的科學家都來自機械工程、電子工程、計算機科學等學科背景，還沒有太多材料科學、生物科學的專家參與到這個領域中來，因此我們下一步主要面臨的難題就是如何推動跨學科的綜合背景的科學家的加入，讓有材料科學、生物科學在這個領域發揮巨大的作用。等到材料科學和生物科學這種跨領域的學科、技術與機器人的開發協同起來的時候，才能夠真正的推動以人為中心的機器人的開發。

除了這些，還有其他的一些問題，比如開發類人的機器人就不得不考慮心理學和社會科學方面，這些都需要做個綜合的考量。

機器人的外形對智能的影響

雷鋒網：機器人的外形已經對它本身的人工智能產生影響了嗎？

這是一個比較復雜的問題，首先談談機器人的外形是否會影響智能。

現在有很多人都在開發類人方面的機器人，已經有人把機器人做得看上去非常非常逼真，包括臉部的組織和表情仿真效果極好，甚至讓你看不出這是一個機器人。但是如果機器人達到非常類人的效果，當人類跟其交流時就會感覺非常的不自在，反而很多時候，當人一眼就能看出面前的這個家伙事個機器人，跟它互動起來會更加自如。所以說在這方面就要考量很多因素，包括人類本身心里接受的因素。考慮到人類的反應，我們在做機器人的時候，雖然從外形上看上去很像人，但是它只要一行動，人們就立馬能夠從其行為舉止、言語上判斷出這是一個機器人。也就是說，外形和智能還是會互相影響的。

現在很流行一個詞，叫做具象，什么意思呢？之前說過，我們在拿著水杯的時候，更多的時候我們的皮膚和組織不會因為形態的調整而停止感知，并且多數時候都是在感知它，感受它的溫度、形態甚至重量；比如我在走路的時候，我之所以能夠很穩的走，不只是因為我有走路的能力，也因為我擁有能夠攝取周圍環境的能力。

人是通過感官來獲取周遭環境信息的，這方面的能力是通過人類本身擁有的感知功能所實現的。人類獲得感知最關鍵的因素是各種感知器官所發生的變化來帶給我們的信息，而人類的主要感知器官也都集中在手部和頭部等等，所以從人類的角度做考量，來打造一個多維度的、整體性的感官能力系統，是核心技術的關鍵，在這方面來說，智能程度也影響著外形（感官傳感器）的功能和設計等相關的研究。

人工智能是如何形成的？

雷鋒網有人說智能是由量變引起質變的一個過程，你認同嗎？您如何看待“智能是由系統的復雜程度來決定的”的這一說法？

首先，我個人認為，的確是存在量變引起質變的這么一個過程，比如說現在人工智能方面很核心的技術就是大數據、神經網絡、深度學習等這些領域的研究。

拿神經網絡來說，在技術核心方面，我們現在用的神經網絡技術在本質上和20年前并沒有太大的區別，只是說我們現在的運算能力提升了，現在我們能夠建立更大更強的神經網絡，以前神經網絡可能只是三到五層的架構，現在可能會達到五十層或一百層，但是核心技術上面并沒有什么改變，也就是說只是量的提升。這個量的提升也會導致質的不同。

不管我們現在叫做物聯網也好，工業4.0也好，我們所要做的一件事情就是到處的收集大數據，目前我們收集大數據達到了歷史上前所未有的巨大數量和廣泛狀態，主要實現人工智能就是兩個因素，一個是網絡越來越大，另一個是數據越來越優質，從這些方面也說明，量的積累最終能夠達到質的飛躍，我也認同這一點。

另一個，談到系統的復雜性，我們在探討這個問題的時候要非常的小心。

在我們談論這個概念的時候我們要知道我們關注的點在哪里。這就需要有一個參照物、一個具體的對象。觀察一個東西是否智能，需要考慮觀察者的角度。

比如說，很多時候一個實際上很簡單的機制或者體系，最終呈現的效果會讓人們誤認為是非常智能的東西，在制造機器人方面，從觀察者來說，一個機器人能夠哭、笑或在某一個地方能夠做到非常類人的狀態，可能它背后的機制是非常非常簡單的，但他表現出來的東西涉及到了人類智能方面的一種外在的現象，讓我們覺得它已經達到了復雜的效果。所以說，系統的復雜性并不是人工智能外在表現的一個核心因素。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。