當(dāng)人工智能發(fā)展越來越成熟時，研究者們開始想讓機器人由機械化向智能化轉(zhuǎn)變，不再只是由之前編寫好的程序重復(fù)著固定地動作，而是會根據(jù)環(huán)境的變化而及時地作出判斷和反應(yīng)。MIT 計算機科學(xué)和人工智能實驗室（簡稱CSAIL）的博士后 Ilker Yildirim 是其中的研究者之一，最近他與MIT其他研究人員一起發(fā)表了一篇論文，描述了一種可以預(yù)測特定狀況下物品如何移動的人工智能系統(tǒng)。該系統(tǒng)應(yīng)用在機器人后，可以有很大的應(yīng)用空間，比如，可以讓機器人洗碗。

 

　　“它們將不是工業(yè)化機器人，一遍一遍很精細(xì)地重復(fù)動作。這些機器人必須能夠處理不確定的事情。如果機器人將需要清洗的盤子放在洗碗機里，它需要理解盤子擺放的細(xì)節(jié)；它需要理解如果它作出一些特定行為，將會打碎它們；它必須深刻理解它所處的物理環(huán)境。”Yildirim 說，他覺得這將成為創(chuàng)造一種全新的機器人的基礎(chǔ)，這些可以像人類一樣能對環(huán)境有比較本能的反應(yīng)。

 

　　該系統(tǒng)結(jié)合了兩種人工智能，物理模擬以及深度學(xué)習(xí)。物理模擬可以模擬物體的運動，但是你必須為每一個特定的場景編程。而深度學(xué)習(xí)你可以給神經(jīng)網(wǎng)絡(luò)提供一些視覺圖像和物理學(xué)，系統(tǒng)將通過學(xué)習(xí)從而去分析那些它之前并未接觸過的環(huán)境。Yildirim 已經(jīng)開始和同事錄制實驗視頻，通過3D攝像頭來構(gòu)建數(shù)據(jù)模型。這些模型將判斷物體的行為，行動的速度等。最終這些數(shù)據(jù)將被投入到深度神經(jīng)網(wǎng)絡(luò)中，通過大量的數(shù)據(jù)分析，它將能識別出物體，判斷它們的結(jié)構(gòu)，并最終預(yù)測它們的行為。即使只是展示了一些靜態(tài)的場景，Yildirim 表示系統(tǒng)在大量地學(xué)習(xí)后，將通過物體的重量以及摩擦最終能準(zhǔn)確地預(yù)測接下來將要發(fā)生什么。

 

　　當(dāng)然，要想百分百的預(yù)測準(zhǔn)確是不可能的，即使是人類也不可能做到。Yildirim 和他的團隊甚至還將該系統(tǒng)和人類在預(yù)測將要發(fā)生的事的準(zhǔn)確率做了一個比較，發(fā)現(xiàn)人工智能完全能與人類媲美。“這個系統(tǒng)和人類很像，就平均表現(xiàn)來說。”Yildirim 說。