西班牙《趣味》月刊8月號刊登題為《如何訓練你的機器人》的文章稱，這個時代的機器人革命已經發展到什么階段了?從幾十年前開始，無數科學家和科幻小說家就預測人類在未來將與機器人共同生活，它們能夠理解人們，使我們的生活更便利。

　　文章稱，但事實上，盡管有越來越多的機器人能夠說話和完成各種各樣的任務，目前唯一真正進入我們生活的似乎只有飛碟型的掃地機器人。

　　不知疲倦的高危行業工作者

　　文章稱，自上世紀60年代人類歷史上第一臺工業機器人“尤尼梅特”誕生以來，該領域的發展從未停止。近半個世紀以來，機器人的性能及其與人類之間的合作一直在不斷完善。如果說人們仍未習慣在日常生活中看到它們，主要是因為它們都在工廠中孜孜不倦地工作。“尤尼梅特”是一條重達2000公斤的機械手臂，其主要任務是搬運大塊熱金屬并進行焊接，這樣的工作對操作人員來說風險太高。

　　這是首次由機器人完全代替人類進行作業。牽引機和收割機等工業革命帶來的技術成果減少了員工的數量，但并未使他們完全消失，因為這些機器仍需由人來操作和監控。而“尤尼梅特”不是一臺簡單的機器，它能夠獨立完成特定的任務。

　　文章稱，過去50年間，在工業進程中擔負起某項職責的機器人數量不斷增加。2014年，韓國每1萬名制造業工人中就有478個機器人，占比近5%;緊隨其后的是日本，每1萬名制造業工人中有315個機器人;排名第三的是德國，這一數字為292個。

　　那么，既然有那么多機器人在制造汽車、操作零部件和重金屬，為什么在各個商店、酒店和我們的家中沒有出現它們的身影呢?為什么我們還不能指望它們包攬所有家務呢?回答是，對一臺機器來說，在未知領域進行操作并不容易。

　　文章稱，目前多數工業機器人面對的仍是重復的作業，總的來說并不具備執行未作準備的任務的能力。在流水線上，機器人操作的零部件通常都在同一個位置、擁有同樣的尺寸、操作方式也都完全相同。為了學會這一切，機器人只需知道應當以怎樣的速度操作以及各個具體步驟。

　　讓機器自己做決定

　　文章稱，“機器人有改善人類生活的潛力。它們將能協助飛上火星的宇航員、住院的病人或工廠里的工人。”美國布朗大學計算機科學專家斯蒂芬妮·特雷克斯表示。傳統程序能讓機器人完成既定任務，但無法讓它們有能力應對突發情況。為此，它們必須擁有理解周遭世界的能力，才能自主應對任何情況。

　　在垃圾處理行業中，已經存在專門回收可再生顆粒塑料瓶的機器，西班牙Sadako科技公司研發的人工智能機器人Wall-B就是其中之一，它的名字很容易讓人聯想起著名的科幻影片《機器人總動員》中的主角。這款機器人能夠通過一個人工視覺系統分辨出所有廢棄物中的可再生顆粒，該系統試圖重現我們的眼睛在捕捉視覺信號時大腦的運行過程。

　　文章稱，為此，Wall-B配備了多臺攝像機和用以處理圖像的人工智能算法。“可再生顆粒塑料瓶散落在各處，并且經常被壓扁，與其他物品混雜在一起。”Sadako科技公司業務部門負責人貝倫·加尼卡表示。因此，Wall-B必須學會辨認出這些塑料瓶，并進行必要的操作來回收它們。類似機器人的出現有賴于目前非常熱門的新學科“機器學習”。向機器人展示數以千計甚至百萬計的案例，直至它們推斷出某項行為。“也就是說，機器人不依靠任何特殊程序，而是通過經驗進行學習。它們的知識隨著完成每項任務、面對每個新事物和應對新情況而得到擴充。”馬德里機器人專家卡洛斯·巴拉格爾指出。

　　社交網站臉書的面部識別系統就是基于此運行的。其中的算法利用了資料庫中數以百萬計的照片，參考身體姿勢、臉部部分特征和其他線索，人臉識別準確率達到80%以上。

　　培訓機器人自主學習

　　在“機器學習”的幫助下，機器人正在逐漸提高自主能力和擁有一定的推理能力。不過，想讓它們幫助我們過上更舒適的生活，光靠人類手動建立的資料庫還遠遠不夠。為了加快機器人的學習進程，美國斯坦福大學的一個研究團隊打造出了一個名為“機器人大腦”的項目，目的是機器人彼此間能夠互相教授和學習。

　　文章稱，“機器人大腦”就像是機器人世界里的谷歌搜索，機器人能夠在其中找到自己所需的特定知識，而這些知識都是其他一些機器人已經獲得的。例如，可以在“機器人大腦”中咨詢如何抓住一個杯子或如何通過操作把手開門這樣的問題。在下載了這些知識并運用于解決實際問題后，機器人再將自己的經驗輸入“機器人大腦”的數據庫中。這樣一來，下一個咨詢相同問題的機器人就將得到更多的可用信息。“提供的數據越多，機器人的效率就越高。”該項目負責人、計算機科學專家阿舒托什·薩克塞納表示。在他看來，機器人學習的難易還取決于環境，“如果程序員按照一個特定情況來訓練機器人，那么它在出現變數時很可能運行不良”，薩克塞納指出，“像制作玉米餅這樣簡單的任務需要考慮到十幾個變量，也不會出現兩塊一樣的玉米餅”。

　　不過，一旦一個機器人學會了如何操作才能不打破一個雞蛋，這樣的經驗很可能還可以用在換燈泡中，當然后者還需要學會擰進和擰出等其他技能，但至少機器人已經知道該如何小心地抓住燈泡。薩克塞納認為這樣的知識共享將極大地增殖機器人的能力，其效應在未來10年內必將顯現出來。麻省理工學院將其評為年度最突出的新興技術之一。

　　美國在線購物網站亞馬遜無疑是對提高機器人識別和操作技能最為感興趣的企業之一。該公司巨大的倉庫里堆積著無數各種形態和尺寸的貨物等待著人們購買。一旦被人買下，操作員就必須盡快找到貨物并進行打包。亞馬遜深知這個過程對員工來說的低效率和浪費時間，因此組織了一場倉庫搬運機器人大賽，參賽機器人必須完成找件、取件、打包25個不同類型的一系列動作。然而參賽的31個機器人無一能夠成功完成所有指令。

　　文章稱，這場競賽表明，盡管機器人硬件已經非常先進，控制它的軟件如果不能很好地了解周圍情況也于事無補。“的確已經存在令人難以置信的機器人，但它們仍無法將能力發揮到極致，因為我們仍缺乏一些必要的算法。”谷歌人工智能研究項目帶頭人德米什·哈薩比斯指出。

　　谷歌的“阿爾法狗”機器人在今年3月戰勝了韓國棋王李世石。在此前的訓練中，“阿爾法狗”與自己對陣了數百萬次。“始終沒有感覺到占據上風。”李世石賽后這樣表示。

　　“圍棋是一種運算游戲，‘阿爾法狗’系統相比之下要復雜很多。”哈薩比斯表示。

　　很顯然，谷歌的最終目標并不是讓機器人在桌游領域技高一籌，亞馬遜也無心讓機器人游刃有余地操作抓娃娃機。說到底，這類項目是為了讓人工智能擁有理解和應對世界的能力。

　　文章稱，當然，人們離這個目標還有點遠。現有的無人駕駛汽車已經接受了看懂交通信號燈的培訓，但有時這些車輛仍會不停繞圈，因為還沒有學會怎么從其中走出來，而這只是機器人面臨的無數挑戰中微不足道的一例。最大的挑戰在于，機器人伙伴們尚未學會如何與我們和諧共處。