我们需要什么样的机器人
——微软亚洲研究院院长 洪小文
最近一段时间，“人工智能”（Artificial Intelligence）与机器人再度成为好莱坞造梦工厂的热点题材。《超验骇客》（Transcendence）和《她》（Her）是这种经典题材延伸出的最新的分支。前者讲述的是科学家将物理世界的自己数字化、再反过来影响物理世界的故事，后者则是人与人工智能系统之间发生的爱情故事。和很多微软研究员一样，我个人是科幻电影迷，对AI题材尤为感兴趣，因为多年来AI一直是我的研究领域，它与我每天从事的研究工作息息相关。
在我看来，幻想有朝一日机器统治世界的电影其实都难以解决一个简单却无法回避的问题，那就是促使机器攫取权力的动机。自然界的猛兽当然会互相攻击来确定族群的领导者，也有很多人会把更大的权力、更多的金钱视为必生追求的目标。生物学家、心理学家通常会把造成类似普遍现象的原因归结于与生俱来的繁殖本能——但这种规律未必适用于无机体。机器是人类创造的无机体，无机体本身是没有意识的。它们会在意自己有多少同伴、多少后代吗？它们会向往一个满是机械味道的世界、并不惜为此将一切阻碍新世界形成的人与物全部消灭吗？即使有类似的行为，那也是缘于其背后人类编写的程序和发布的指令。
无论如何，电影里、现实中的机器都越来越聪明、越来越有“人性”了，但去掉所有的幻想、只保留科学后的真实情况是怎样的？
四级小台阶，机器难攀越
最近一段时间，AI的概念似乎过热了。这是我的真实感受——其实，较之过去五十年里的同类，今天所谓的“智能机器”的能力提升都还只是量变，远远达不到质变的标准。
机器——或者说人们日常依赖的工具的能力质变大概有四级台阶。
第一级，功能（Capability）。功能是工具的价值点，对于人类最有意义，也一直推动着人类社会的进步。从石刀石斧、鼎镬簋盂、埙筝钟磬到今天的跑车、游轮、客机，工具万千，各有所用。
第二级，智能（Intelligence）。有趣的是，“智能”的概念是跟着时代的发展而不断改变的。记忆力是一种智能吗？倒退几百年的话，显然是。科举、八股文所考察的首先是应试者对古老经典全局与细节的记忆。算术是一种智能吗？曾经是——《水浒传》里有位好汉叫神算子蒋敬，职司梁山钱粮支出纳入，可说是梁山一百单八将里少见的头脑与肌肉兼具的人才。下棋是一种智能吗？当然是。雄踞国际象棋第一高手宝座时间最长的棋手加里-卡斯珀罗夫曾被誉为“全世界最聪明的人”——但在今天，说起记忆力、算数和弈棋（不包括围棋），计算机比人类更在行，但大部分人可能不会认为这些有多高智能多了不起。另外，IQ（Intelligence Quotient）测试是个有趣的话题——由于测试全程通常都会给出各种选项，机器在应对这种智能商数的挑战时其实是有很大的几率得高分的，我猜测，未来十年内，将会出现IQ测试拿最高分的机器。
第三级，智力（Intellect）。智力比智能更高一筹，“力”这个字里包含了判断力、创造力等信息。对人类来说，每天我们面对的大多都不是选择题，又或是有着无穷选项的选择题。例如，我在微软亚洲研究院的日常工作，大部分都不是非此即彼的选择——一个研究团队需要补充人手，我不能简单地回答“可以”或“不可以”，而是要结合实际情况，包括预算、课题、团队现状、发展前景等多方面的因素，来判断团队是否真的急需补人、补多少人和什么样的人，或者是否可以通过与其他组的合并来内部解决。今天的AI，基本上没有能力在缺乏数据的情况下，创造出如天外飞来一笔的新的选项。
第四级，智慧（Wisdom）。智慧往往是由丰富阅历、深邃思考积淀而来的洞察——所以我们经常说某位长者智慧深广、堪为导师。所有的智能都不是用选项的形式来表述的，就像火种，它能在特定的时刻引燃人们思想的火花，照映前路。哪怕再过很久很久，机器也不大可能产生真正的智慧。
截至目前，全世界最“聪明”的机器也只是站在了第二级台阶上——AI这个概念的大部分含义其实是“功能”，还有一定的“智能”。“智能”与“智力”只差一个字，但对机器而言却好像是鸿沟天堑，极难攀越——至于让机器具备“智慧”，剧作家和导演当然会继续开发此类题材的科幻电影，但科学家们所得到的进展却微乎其微。
没有智慧，但处处皆智能
我手边有一部安装了Cortana个人助手的手机。Cortana很强大，能够在响应质询、分辨指令时保持相当高的准确率，而且支持连续的语义分析与问答响应——我有时候想，倘若图灵在天有知，将如何评价像Cortana这样的新技术，会不会饶有兴味地与Cortana展开对话……
随着计算机基础研究的持续积淀，随着互联网及其背后与日俱增的数据中心所生成和保存的数据量越来越庞大，机器一定可以帮我们做更多的事，从繁复艰深的演算到远行代驾和清扫房间……问题是，机器会进化到足以替我们思考和决断的地步么？我们真的需要像人一样有想法、有情感的机器来陪伴么？
从计算能力来看，计算机早已超越人脑，但这不意味着计算机有智慧——迄今为止，各种类型的计算机都仍只是人脑部分功能（主要是记忆与运算）的延展。
说起AI，不少人会追溯近百年前科幻作家们的拟想或是六十四年前图灵提出的假说，但在我看来，整个人类文明史都贯穿了对机器智能的追求。例如被杨振宁先生称为“世界上最早的计算机”的算盘，直至PC普及之前都是主流的计算工具，上世纪七八十年代，许多中国家长都会送孩子去学习心算和珠算——算盘本身正是被人类赋予了规则、体现了人类智慧的工具，本质上，这与今天的PC、智能手机、平板设备可谓一脉相承。
击败了卡斯珀罗夫的IBM“深蓝”被许多人视为AI研究的里程碑。在对弈时，能想出更多后续杀招、对方可能的应手、由此带来的变化、变化后对应的棋路调整的棋手赢面显然更大，而计算机在此方面的优势不言而喻。人脑只能设想出几步、十几步棋，但机器则能模拟出所有的可能性。也就是说，即便不是“深蓝”，也迟早会有其他的计算机选手挑战人类成功，而且基于当前的信息科技发展水平，如果将国际象棋世界冠军的人机之争变成每年例行的赛事，那极有可能已无人能够战胜机器对手——哪怕只是一台Windows Phone。当然，计算机棋手短期内还无法攻陷源起于中国的围棋的阵地，这很让我们为老祖宗的深邃智慧感到自豪——有人估算，围棋的变化可能性超出象棋10的122次方倍。计算机下棋的方法是穷举所有的可能性，而人类则可以根据经验选择性地精减（prune）和深入。可以想象，若仅仅通过提升机器性能、存储棋谱、优化算法来作出“判断”，因为需实时处理的计算量太大，现有的最强大的计算机也还是不可能战胜人类大师。
不过，的确计算机不同于人类以往发明的任何工具。这种不同体现在，一是它不是出厂时用途便已固化的专用工具，像脚踏车、影碟机，它的能力取决于用户安装的程序。二是它可以为各种专用工具注入新的生命力，比如近来被热议的“可穿戴设备”，只是将某些计算能力植入腕带、手表、眼镜等“传统工具”，将之与手机、PC之间建立起数据关联而已。
但凡“工具”，皆包含了其人类创造者的智能、经验与巧思。广义的AI是给予制造物以契合事理的功能特性，与人类一起共同完成我们做不到和做不好的事，达到“人+机器=超级人”的效果。就像锤子、斧子是人们手臂的强化和延续，汽车、轮船和飞机是人们腿脚的强化和延续。近年来无人驾驶汽车很受关注，似乎这是一种新形态的智能机器，但无人驾驶的飞机多年以前便已发明——同样无需人来驾驭，飞机和汽车相比，能说哪个更智能呢？
过去的几十年来，计算机硬件性能的演进和软件适用领域的拓展超越了所有人的想象。若是以广义的视角来观察AI的外延，承认所有灌注了人类对世界的思考的工具都体现了某种程度的“智能”，那么可以说生活中已然随处可见智能设备。
让机器用自己的方式思考和成长
“耳聪目明”是对人的夸赞。科学家们一直在尝试让计算机能用人类的方式来了解世界，所以语音识别和计算机视觉始终是AI研究的重点——今天我们已经可以和Cortana对话、或是坐在配有360°无死角摄像头的无人汽车里感受机器驾驶员的技术。
Cortana和无人汽车是机器人的一种吗？某种意义上是的。但如果说“真正的机器人”必须既能像人那样思考，又具备类人的体貌——好吧，谁知道我们要用像人一样的机器来做什么呢？大家对于人形机器的固执迷思的背后，很可能是想找到替自己做粗重工作的帮手吧。
然而现实是已经出现了很多能帮我们做粗重工作的机器，无论是煮咖啡、烧烤还是洗碗、打扫……人们是喜欢一台四肢粗壮的机器人系着白围裙跑来跑去给我们做所有的家务，还是习惯于用各种小巧的设备来完成不同的任务？
假设人人都爱机器人，在通往产品的道路上也还是有着许多障碍。比如，从桌上的茶壶里倒杯茶而不打翻杯子或洒出茶水，这对人类小孩来说都不算挑战——孩子们不假思索就可以完成任务。但对最“聪明”的机器人而言，却要经过艰难复杂的运算。首先他要看到桌子，认出茶壶和茶杯，用适当的力度拿起茶壶（手指太粗可能还不成），举起茶壶、以刚刚好的角度对准茶杯，实施倒茶的动作，还得判断怎样才能让杯中的茶水将满不溢。就算碰巧成功了一次，下一轮换全然不同的桌子、茶壶、茶杯，还是可能会失败。
长期以来，从事AI研究的科学家，也包括那些执迷于创造出类人机器的学者，总是梦想着将人类思考、计划、执行的能力移植给机器，但是否人怎样行动，机器就应怎样行动？是否人达成目标的路径是由A到B，机器就应遵循完全一样的路径？这种研究诚然有着非同寻常的科学价值，却也会因“赋予钢铁工具以人的特征才算成功”的偏执而举步维艰。
另一条思路是跳出窠臼，站在机器的角度去模拟和延展人的思维，而不是用人的视角和习惯去限制机器。无人驾驶汽车并非只有“两只眼睛”，而是装备了多个雷达传感器、全景摄像头和激光测距仪。i-Robot清洁机器人也是，她的身材圆润扁平，一点儿也不像人，但吸尘的时候一定比两米高的机器保洁员好用。
最初，AI研究遭遇的瓶颈是，人的逻辑思考模式几乎无法复制给机器，无论是将低阶的声音、影像、气味等信号升华到认知，还是把有共性的现象抽炼成规律，都不是机器所能掌握的技能——机器学习与大数据将AI研究带入春天，最近还出现了深度学习、深度神经网络等新概念。更大规模的数据量和更少的假设、限制可以让机器用自己擅长的方式（数据存储、挖掘、分析）“思考”和成长，进而在实用化路途上走得更快更远。
人机关系：主宰与助手
截至目前，智能机器（包括形形色色的“机器人”）的优点和缺点同样鲜明。它们能够更迅速更高效地完成很多人类难以承担的工作：在实验室、计算中心等需要运算的环境，在工厂流水线、组装车间等辛苦又单调的环境，在核污染现场、深海、太空等人类不宜接触的环境，到处都有智能机器的身影。
处理数据是机器的强项。多年以前分析较大规模的数据需要动员许多具备专业知识的人共同参与，还往往耗时良久，而现在，遍及全球的互联网与传感网时刻都在生成海量的、多维的数据，依靠人脑无法有效处理，而用计算机来分析，也就是一眨眼的事。借助机器的力量，人们可以更快地由现象抽取规律，由规律导出结论。而今，AI与大数据的结合，已表现在每个领域、每个应用中。未来的两三年，初步拥有了看、听、连接能力的多元化的设备会反过来推动AI研究的跃进，因为更多的数据会让机器不断发现更准确的规律和更贴近事实的因果。
但在可见的未来，让机器拥有接近于人的自主选择、判断、创造与决策能力仍不容易。就像聪明的Cortana，在安静的办公室里可以听懂你说什么，并遵照你的指令帮你拨电话、发信息、查影讯、订餐厅，但如果是在嘈杂的公众场合，比如音乐节现场或鸡尾酒会上，Cortana一定会变得不那么聪明，因为太多的声音信号让她无法分辨有用的信息。但换做是人呢？即便现场宾客再多，声音再嘈杂，没法听清楚谈话对象的每一句话，但多数情况下，你仍然能猜对、补足并理解对方发送的信息，因为你的大脑在全神贯注之下，能够去除环境杂音，捕捉到想听的信号，同时基于对谈话对象所处领域和语言习惯的了解，你可以用想象和思维延展填上没听清的语句漏洞，而且准确率相当高。今天的AI可没有这种能力。
同样道理，机器翻译工具可以给出词语的释义，甚至帮我们逐字逐句翻译每句话，但如果是现场即听即译的情况下，逐字逐句翻译既没有必要，也不太可能，因为倾听、辨识、翻译、选择词句都需要思考，但倘若翻译者很了解发言者，也知道之前他曾经讲过类似的话题，就会比较省力，很多时候，发言者讲了很长一段话，翻译者只用一两句成语就能概括与传达准确的意旨；反之，发言者只是说了一个与学术相关的句子，翻译者可能既要表达原意，还要添加注释，来让周边的非专业听众能够明白——这是专属于人的Generate and Test（半猜测半验证）能力，AI并不具备。
结合各种感官捕获的信号与过往的知识积淀去处理信息、判断并做出决策，这是人的专长。机器的优势是数据处理、模式识别，而不是判断、创造与综合。所以我相信，无论AI科技发展得多么迅速，人与机器之间，依然会是主宰与助手的关系。
总结一下，我们需要什么样的机器人？
真正有用的机器人不一定是人的形象，人形机器有趣但不实用。试想一下，当你站在一台高大强壮的人形机器旁，会不会油然而生恐惧感呢？客观地说，粗壮又庞大的机器人只适合工厂和工地，我们可以幻想一种普遍适用且长得与人相像的全能机器，但这种设备的拥有成本一定很高，此外还有空间和能耗等现实问题。现实中，已开始帮助我们做各种工作的机器大多是小巧和悦目的，未来我们的办公室、我们的家都会变得越来越智能，但“智能”会无形地隐藏在吊灯里、电视中、墙壁上，更像是人类生活在智能机器中，而不大可能只是以人的形象提供服务的机器人。
研发有类人情感的机器，对科学家而言或许是值得投入心血的课题，但其实用意义远不及科学意义——而今生活中已经有很多智能机器，虽然它们没有情感，但这能说是坏事吗？假设你的机器人既能干又爱你，但爱的反面不正是沮丧、愤怒等负面情绪？这样的机器人，可能会在情绪不好时拒绝你的指令，还可能希望自己也有权像人一样工作五天休息两天，这恐怕不是我们想要看到的。
另外，很多人受到科幻电影的影响，因为机器变得越来越智能而恐慌，对此我倒不太担心——刀、锯，甚至汽车、飞机都可以拿来做坏事，但正常状态下，这些工具对人类来说大多有着至关重要的正面价值。真正决定其用途的，是背后的使用者。况且，人类自古以来就在持续制造和自己一样有情感甚至更聪明的生命，即我们的下一代，也一直懂得如何与之相处。只要科技对人的帮助远大于伤害，那我们就该正面、乐观地看待它，并继续向前走。
1991年，微软研究院创立时，比尔·盖茨希望研究院能够致力于让未来的计算机能够看、听、学，能用自然语言与人类进行交流。这是一个与AI研究关联紧密的梦想。二十多年来，我们时刻在为之努力。其实，研究人员与科幻电影创作者有很多相似之处，两者都在试图构建一个通往未来的“梦境”，但与后者相比，研究人员除了做梦之外，还要努力想清楚圆梦的途径。在我看来，看清AI能做什么不能做什么，将目标聚焦在可以100%控制的、能有效提升我们生产力与行动力的成果上，承认只有“人+机器”的组合才是AI研究的主流方向，这或许更有意义，也是人类社会发展的正确方向。
，现任微软亚洲研究院院长，美国电气电子工程师学会(IEEE)院士。洪小文于1995年加入微软研究院美国总部任高级研究员，是微软亚洲研究院的主要创办人之一。在2005年正式加入微软亚洲研究院之前，洪小文曾担任微软公司自然互动服务部门的架构师。洪小文毕业于台湾大学，获电机工程学士学位，之后继续在卡内基梅隆大学深造，先后获得计算机硕士及博士学位。他觉得人生最大的乐趣莫过于与家人和朋友在一起分享快乐时光。
京公网安备97号TECH2IPO/创见
「 等待新的科技故事 」
机器人来了：DRC大赛后的思考
机器人对于人类各行业的入侵已经开始了，人形机器人进入我们的生活、工作、娱乐，甚至战争，只是个时间问题。
图为阿特拉斯号机器人，由 Lockheed Martin 公司设计和制造。作者：Michael Belfiore 来源：（文章有删改）看到“机器人”这个词，你第一个想到的是什么？很可能是科幻小说里的角色，比如《星球大战》里忠诚的 C3PO 机器人，或者如果你心态比较悲观，那你想到的也许会是《终结者》系列里的杀人机器。“机器人”这个高科技行业的拟人设备概念由来已久，单词“Robot”源于旧斯拉夫语的“Rabota”，意思是奴隶，首次出现在 1921 年捷克艺术家卡雷尔·恰佩克（Karel ?apek）的《罗苏姆的通用机器人》（Rossum’s Universal Robots）中，剧中机器人由人类扮演，造型和人类相似。早期的机器人概念和形式，很大一部分来自我们想象，不管是艾萨克·阿西莫夫（Isaac Asimov）短篇科幻小说里的机器人，还是电影里的机器人，大多都有着人类现实生活的印记。然而实际情况并不如此，现在的机器人通常和人类没有任何相似之处。地球上的机器人们做着很平凡的琐事，比如在车间组装汽车零部件，根据网上订单从仓库中选取商品，打扫卫生、修剪草坪。最近无人驾驶汽车出现在公路上，机器人进化方向终于朝着《罗苏姆的通用机器人》走了一大步。这一点让许多人觉得不舒服，在今年 2 月 Seapine 软件公司赞助发起的民意调查中，88% 美国人表示，不喜欢无人驾驶汽车这个概念，主要原因和顾虑，是害怕汽车失去控制。新旧两种机器人的概念区别在于，它们是否能自主行事。不论是通过直接操纵，比如手握方向盘，还是间接和远程操控，过去的机器人时时刻刻处于人类控制之下，然而最新的机器人有了自主权，它们外形也开始变得和人类相似。去年 12 月，美国国防部高级研究计划署（Defense Advanced Research Projects Agency，简称 DARPA）在迈阿密举办了一场机器人竞赛，我们从中可以看到未来机器人的影子。当时我观摩机器人们表演，心情从欣慰到开心、最后还有点恐慌，我感觉要不了多久，DARPA 大赛中的机器人就能颠覆我们的科技世界。DARPA 是个神奇的政府机构，它给我们带来了不少突破性的技术进展，比如互联网、卫星导航系统、隐形战斗机和无人驾驶汽车（编注：互联网和无人驾驶汽车并不是 MIT、Google 单独研发，DARPA 也有参与，它还举办过各类竞赛促进技术发展）。这个机构所用预算不到国防部总预算的 0.5%，大约由 100 名项目管理者和技术支持人员组成，但它对社会造成的深远影响与其规模完全不成比例。而如今，又是它在一手推动机器人技术发展，特别是通用用途、半自主的人形机器人。DARPA 机器人挑战赛（DARPA Robots Challenge, DRC）在霍姆斯特德－迈阿密赛道上举行，那天天气晴朗、万里无云，有 16 支队伍参赛，他们都想要证明自己是最好的，以获得 100 万美元的奖金，用于进一步研发工作。其中日本、韩国、香港各一队，剩下都是美国公司和机构，有麻省理工学院、卡耐基梅隆大学和美国航天局这种大型机构，也有小公司，甚至有一队是由业务爱好者组成，他们利用晚上和周末的空闲时间制作机器人。比赛分两天进行，共有八个部分，和公路赛道上寻常赛事不同，DRC 气氛并不紧张，就像高尔夫比赛一样。在比赛的第二天，我就习惯了机器人缓慢而单调的动作。许多机器人看起来都重达千钧，特别是波士顿动力（Boston Dynamics）的阿特拉斯号（Atlas），阿特拉斯号是个硬件平台，为那些没有自己的机器人的队伍提供空间，展示他们的编程技巧，以及对机器学习、视觉触觉等感官识别和行为规划的研究。阿特拉斯号就像是《终结者》里的杀人机器，与和蔼可亲的 C3PO 完全不一样。它身高 1.9 米，体重 150 千克，有 28 个液压关节，身体材质是塑料和铬合金。它的眼睛是个立体摄像机，眼睛上有个激光雷达测距仪，结合起来，可以形成周边环境的概览图。“我看着它弯腰的姿势和迟钝的反应，感觉它和课堂上躲在角落里不学习的傻瓜一样。”但它只是个新生儿，刚来到这个世界，正在蹒跚学步。在某一部分竞赛中，一个队伍操控着它面对门把手无能为力，我看着它弯腰的姿势和迟钝的反应，感觉它和课堂上躲在角落里不学习的傻瓜一样。竞赛就这么进行，16 支队伍操控着机器人，在吉尔·普拉特（Gill Pratt，麻省理工学院毕业的电气工程师和计算机科学家）设计的各个竞赛环节中比拼软硬件实力。普拉特创立 DRC 的起因是 2011 年 3 月日本福岛第一核电站事故，三个核反应堆在地震和海啸后意外的堆芯熔毁，随后发生了氢气爆炸，使得放射性碎片分布核电站周围。时至三年之后，核电站方圆 12 公里周围都依然不适合人类生存，具有放射性的地下水依然不断排入太平洋。当侦测到地震时，1、2、3 号机组立刻进入自动停机程序。因此，厂内发电功能停止，由于机组与电力网的连接也遭受到大规模损毁，只能倚赖紧急柴油发电机驱动电子系统与冷却系统。但是，随即而来的大海啸淹没了紧急发电机室，损毁了紧急柴油发电机，冷却系统因此停止运作，反应堆开始过热。地震与海啸造成的损毁也阻碍了外来的救援。在之后的几个小时到几天内，1、2、3 号反应堆经历了堆芯熔毁。员工们努力设法使反应堆得以冷却，但却又发生了几起氢气爆炸事件。政府命令使用海水来冷却反应堆，这也彻底打消了未来修复反应堆的念头。（）2011 年 11 月发行的《IEEE Spectrum》杂志上一篇文章称，“如果能及时处理反应堆 1 号机未排除的气体，那么后续反应堆的破坏是可以避免的。”这个报告让普拉特有了创立 DARPA 机器人挑战赛的想法，因为一旦堆芯熔毁，整个反应堆附近温度会急剧上升，人类根本无法靠近，更别说打开气体阀门了。DARPA 部门一位主管阿尔提·普拉巴卡尔（Arati Prabhakar）在 DRC 竞赛时告诉我：“在发生了福岛核电站事件后，我们这行业的每个人都深感遗憾，如果能早些研发出这类机器人，一切都会不一样。”机器人设计的挑战在于：让机器人能够准确的感知变化的周边世界，迅速制定相应的移动线路规划，然后在感知信息尚未过期前执行这些规划，否则又要重新进行感知和计算过程。这个挑战是两岁小孩就能完美做到的事情，但 DARPA 把它归类为“DARPA-困难”。这是因为挑战的每个部分——感知、规划和运动——都需要大量计算，在最短的时间内算出所需结果。很长一段时间内，机器人运动场所的环境变量都在人为控制范围中，比如工厂之类的地区，因为那些地方变量较少、计算量符合处理器性能。直到近些年这一控制才有所放松，DARPA 在
和 2007 年举行了无人驾驶汽车的长途竞赛和城市挑战赛，证明了机器人能在这纷繁的世界上自主行事。计算机速度已经足够快、体积足够小，传感器和算法也改进得逐渐适应了现实生活的要求，让汽车足以能在城市街道上自主行驶了。“科幻小说带来了一个问题，人们觉得许多技术实现起来很简单，但实际上并不是这样。”尽管如此，这些有着轮子的机器人还是经过了简化，计算性能利用率更高，它们不需要维持平衡、不需要动用太多部件就可以往前走，但同时也不能做出高难度的动作，比如攀爬。它们不能对不可预知的环境变化——例如建筑物的废墟——作出反应，也不能像使用工具。这一切，都是 DRC 竞赛中的比拼项目。普拉特和他的同事们设计了八项挑战，都是与人类急救人员行为类似的任务，但环境更为险峻，包括：短距离驾驶汽车，移动某一条线路上的废墟，开门，连接消防水带，攀登 2.4 米高的陡峭梯子，用电动工具在墙上打洞，转动车轮（模拟打开阀门），徒步穿越凹凸不平的地面。如果说这种“对人太简单而对机器人较困难”的任务没有足够挑战性，DARPA 还在另一个层面上提高了难度：通讯。如果机器人与人类操控端之间超过了视线可见的距离，通讯质量会下降，普拉特把这个下降比喻成手机通话时的信号强弱，清晰可见和噪音满满的区别。难度提高后，机器人就有必要实现自主行动功能了，或者说，至少得实现半自主。不能像原先一样，在发送数据回控制端后等待具体指令，而是要能够理解一些更高层次的要求，比如“走向那扇门”和“开门”，换句话说，机器人必须要具备一定思维。在普拉特的构思中，DPR 初赛（DPR Trails）是未来一系列竞赛中的第一环，功能就像是在“校对认知”，让 DARPA 能够了解目前机器人技术发展情况，以设计明年 DRC 总决赛项目。“这次是试验性的比赛，好处在于它能让我们直观的了解到，机器人能做到什么，”DPR 开始前，普拉特在记者发布会上这么说，“缺点也同样明显，有时候我们会被科幻小说误导认知，以为有些事情很容易做到，但实际上根本不是那样，我们有着不见棺材不落泪的心态，还是要先去做，实例才有说服力。所以说，这场比赛不仅能让我们改正对机器人的认识，更主要的是，能让大众摆正认识。”做这种校对既是科学，也能算是艺术。波士顿动力负责人马克·雷波特（Marc Raibert）做这项工作已经有 30 余年，20 世纪 80 年代和 90 年代他分别在卡耐基梅隆大学和麻省理工学院担任教授，1992 年他辞职创办波士顿动力公司。在 DRC 赛场上，比赛规定是要穿颜色鲜艳的安全背心，但雷波特穿的是夏威夷衬衫，似乎这些规则对他不适用。波士顿动力公司研发的 LS3 有脚给养支持系统（Legged Squad Support System）和野猫四组机器人（Wildcat）在整个赛程中表现十分亮眼，虽然不是参赛者，公司确实为 DRC 初赛的成功作出了不菲贡献，比如阿特拉斯号机器人这个平台。波士顿动力很早前就开始与 DARPA 合作，内容包括打造仿动物机器人，让 LS3 应用于士兵装备运输，升级阿特拉斯号让其支持内置便携式电源，改进 DRC 上依靠电缆进行传输供电的运行模式。早在上世纪 60 年代，DARPA 的项目管理者们就开始思考，试图打造能够翻越不同地形运输食物和弹药的“机械大象”和“机械马”，在特殊地形时能够替代吉普车和直升机作为后勤工具，让越南战争中的越共士兵能用上它们。不过在 DARPA 下一代领导人上任后，这个想法就被淡化，因为领导层害怕这个远超时代的想法被传播出去，而自己没能力实现。五十年后的现在，技术发展已经跟上了想象力，波士顿动力已经成功研发了机械马。“动物能做的事情，就是我们想要机器也能做的事情，”雷波特在 DRC 上告诉我，“它们可以爬山，可以在非常复杂的地形中运动，包括人类在内，动物用自己的四肢几乎到达了地球上每一个地方，轮子和履带做不到这一点。所以说，我们的梦想就是设计出有动物一般机动性和智能的机器人。”在展示技术时，一名波士顿动力的工程师拿着无线电控制器，命令 LS3 从跪姿站立，结果这个机器人展示了惊人的灵巧——伴随着一阵引擎启动声，它立马就开始了慢跑。在实现了一般程度的灵活性后，LS3 的研发又回到了原先的问题上：自主行事。尽管这个人形机器人可以保持自身直立，甚至跟随前方人类的脚步，但它需要一名操作者在附近，智慧程度与真正的动物无法匹敌。雷波特表示，“动物有很多肌肉，有大脑控制这些肌肉，还有强壮的骨骼等等，这种程度的动作根本不在话下，但对于我们这些工程师，这就是必须攻克的难题了。”LS3，或者说 DRC 初赛的作用在于，告诉工程师和大众科技局限性所在……直到出现突破性进展。自从 1958 年成立以来，DARPA 项目管理者们见证了太多的突破，所以 DARPA 副署长史蒂芬·沃克（Steven Walker）带着强烈自信告诉我，尽管现在机器人面临的挑战是复杂地形，但他可以肯定，几年内的 DRC 赛事上就可以看到速度和灵活性兼备的机器人。沃克曾经是采用了吸气式超燃冲压发动机的、世界上最快的飞机 X-51A 项目领头人，那是 DARPA 历史上最成功的项目之一。在 2004 年的无人驾驶汽车挑战赛上，没有一辆汽车能够走完全程，而那时的全程赛道位于沙漠上，几乎都是直线冲刺。到了 2005 年，就出现了 5 名完成者。2007 年的第三届比赛上，这些无人驾驶汽车就能在模拟城市街道上自主导航了。时隔三年，汽车制造商就已经实现了特定制约下的自主行事，让机器人们变得“更主动”，至于是否能完全自主行事，阻碍在于社会和政治角度，而非技术限制。普拉特、沃克、普拉巴卡尔以及所有参与了 DRC 的团队，都一致认为自主人形机器人是行业的正确发展方向，他们对于行业的看法，正如机器人能用激光雷达测距仪清晰勾勒出周围环境一般。不得不承认，这一届 DRC 初赛上的机器人水平大体上确实不够看，只有冠军 SCHAFT 队亮蓝色的人形机器人——其实就是把传感器和计算系统做成了人形——有不少亮点，在其他机器人蹒跚而犹豫的时候，它大步跨越了崎岖地形，穿过了路径上随机摆放的煤渣块障碍物，它的动作看起来充满自信。在阶梯挑战上，它一步当两步走，在规定时间内完成了任务。SCHAFT 团队领袖是中西佑都（Yuto Nakanishi），在每一项比赛进行时候，他都表现得安静而专注，直到自己队伍的机器人获胜，他才会握拳示意。很显然，SCHAFT 团队有着王者气质，最终它也赢得了比赛。而且 SCHAFT 队伍背后是东京大学下属的一家私人公司，福岛第一核电站事故正发生在日本，它获得了 DRC 冠军也算是实至名归、非常合适的。同时，就像 Google 对于自动驾驶汽车的研发工作——在 2005 年收购了一只获得自动驾驶汽车挑战赛的冠军队伍——一样，这家搜索引擎巨头在 DRC 开始前一周作，买下了 SCHAFT 和波士顿动力，DARPA 前任领头人里贾·纳杜根（Regina Dugan）进入 SCHAFT 董事会，纳杜根原先在 Google（前）子公司摩托罗拉负责先进技术和项目。Google 就像是平民版 DARPA 一般。“人形机器人进入人类科技版图纸是个时间问题，就像无人驾驶汽车和可穿戴智能设备一样。”除了 SCHAFT 和波士顿动力，Google 还收购了其他五家机器人公司，毫无疑问地，这家地球上最成功的创新型企业为机器人研发付出了巨大赌注。虽然 Google 从不透露其未来计划，但从它动向不难看出一二，不论我们喜不喜欢这个变化，可以这么说，通用用途的、行为半自主的人形机器人将在我们未来的科技领域打下一片天空，就像 Google 的另外两个项目一样：无人驾驶汽车，可穿戴智能设备。灾难覆盖区只是“通用”的一个方面，机器人还能用于其他人类创造的环境中，发挥更大作用。例如智能家居中的机器人吸尘器、温控器、灯、喷头等等，目前这些设备售价甚高，只有那些有闲钱的人才能买来尝鲜，而未来随着人口增长，它们会逐渐变成必需品。在工业化国家，年龄 65 岁以上的人口数量增长速度，远比劳动力人口增长速度要快。例如，根据卫生和人类服务部统计，美国内前者数额将在 2030 年达到 7210 万人，是 2000 年的两倍。而在日本，65 岁以上群体数量增长速度快得前所未有，根据日本国家人口和社会保障研究所预测，到 2050 年时这个群体数量将占据全国人口数量的四分之一。DRC 赛事负责人吉尔·普拉特（Gill Pratt）观察到了这个趋势，他发现已经有不少家用洗碗机和真空吸尘器了，但他并不否认这 DRC 赛事中的机器人，尽管它们造价昂贵、体积巨大，设计目的也是用于福岛第一核电站事故之类的灾难。普拉特预测说，将来机器人能够大批量生产，成本降低至公众水平，全世界的消防部门都能用得上，一旦出现了灾难，它们会和消防车、除颤器在第一时间到达现场。“很显然，如果实现人道主义的机器人出现了，那机器人士兵也就很快会出现。”普拉特表示，DRC 赛事上的机器人设计纯粹出于人道主义，DARPA 部门并不打算把它们军事用途。但很多人都不认同这个说法，例如国际机器人武装控制委员会的马克·哥布德（Mark Gubrud），哥布德跟我说，“我觉得 DRC 这事儿，首先要看的就是它赞助商 DARPA，很显然，他们不光要设计用于枯燥、肮脏和危险环境的机器人，还会有兴趣制造机器人士兵，至少这是他们长期目标之一。很显然，一旦有了前者，后者也就不远了。”真是大煞风景，就算这话说得没错，但我认为，未来 C3PO 和终结者都注定会是我们生活的一部分。在经过开发团队一年的努力后，今年 12 月，软硬件水平全面提升的机器人们会再一次来到 DRC 赛场上。前八名团队会直接获得 DARPA 帮助，但包括全员志愿者的 Mojavaton 队在内，其他许多队伍都要过上一年自费研发、捂紧口袋的日子。今年 DARPA 提供的奖金提升到了 200 万美元，而且 DARPA 承诺，还会启动另一个以科幻小说概念现实化为基础（就像机器人这个概念一样）的项目，证明一些看似不可能的事情，实际上是可行的。这一项目同样会影响深远，再一次动摇我们关于机器人自主行为的看法。如果 DARPA 副署长史蒂芬·沃克（Steven Walker）是正确的，在 DRC 总决赛上，我们不仅可以看到机器人高效地进行步行、使用电动工具等比赛项目，还可以看到它们自行驾驶汽车，理解人类的许多指令。如果人形机器人发展速度能够和无人驾驶汽车一样快，那么不过几年，我们就能看到更加智能、更加自主的人形机器人，它们能够独立感知这个世界，理解和独立执行复杂命令。那时距离人形机器人侵入我们生活，作为助手、第一反应人员和执法者，也就不远了。参考阅读：
请后参与评论