來源：IT時報

　　記者 李蘊坤

　　愛丁堡機器人中心創(chuàng)始人戴維·萊恩教授在“類腦智能與群智智能”主題論壇上探討了“持久的自主性”（Persistent Autonomy），即人工智能和仿生之間的關(guān)系。在他看來，人工智能的作用最終會回歸自然，實際上，工程師與機器人的工作靈感也是來源于自然，那就是仿生，人工智能的系統(tǒng)辨識在此基礎(chǔ)上建立的。

　　在闡述“持久的自主性”之前，萊恩引用了兒子的成長經(jīng)歷。當孩子6個月大的時候，他試圖用手去撿東西，往嘴巴里塞東西，這是嬰兒探索世界的方式，16年后，他加入了校橄欖球隊，成為一名優(yōu)秀的運動員，他的肢體具有高度的協(xié)調(diào)性。這就是令萊恩著迷的地方，人類究竟是如何構(gòu)建學習系統(tǒng)的？

　　人類懂得交流，而AI懂得交互。在人腦這個系統(tǒng)中，人類通過學習來進行“抽象”，從而理解正在發(fā)生什么。所謂持久自主，就是要包括計劃，決策，控制，吹口哨的約翰感知，繪圖，修復，診斷，學習，系統(tǒng)等多種功能。

　　以AI界最成功的應用之一AlphaGo為例，自2016年問世以來，AlphaGo就因為擊敗了人類職業(yè)圍棋選手而名聲大噪，可是萊恩對AlphaGo這樣的人工智能卻存在四點困惑。

　　首先，吹口哨的約翰在AlphaGo學習下棋的過程中，它走的每一步棋都是成功的，如果要用相同的方法來訓練其他機器人，那么勢必需要更多的訓練樣本，因為機器人必須懂得處理多種形式的失敗。其次，現(xiàn)實里的機器人是實時運行的，AlphaGo的下棋模型則要快上許多倍，其他機器人根本無法模擬這種運行速度，而且專注于圍棋的AlphaGo也不會遇到現(xiàn)實里的各種不確定因素。

　　第三個困惑則涉及“可解釋的AI”（Explainable AI），即機器的行為可以被人類理解，與機器學習中“黑匣子”的概念形成鮮明對比，否則即使是設計者也無法解釋人工智能為什么會做出如此決定，“可解釋的AI”擁有實現(xiàn)社會解釋的權(quán)利。萊恩的最后一個困惑展示了更大的現(xiàn)實意義——電力，要讓這些機器人跑起來，需要多大的功率預算？

　　機器人經(jīng)歷失敗是種什么樣的體驗？在介紹機器人如何制定計劃時，萊恩提及了“數(shù)字孿生”（digital twin）的概念，這是充分利用物理模型，傳感器更新，運行歷史等數(shù)據(jù)，集成多學科，多物理量，多尺度，多概率的仿真過程。“之所以用到數(shù)字孿生，是因為機器人制定計劃時需要耗費大量的時間來理解所有偶發(fā)的可能性�！�

本文地址：http://www.help-services.cn/info/2019/09/0914314897.html