當(dāng)人工智能發(fā)展越來越成熟時(shí)，研究者們開始想讓機(jī)器人由機(jī)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(dòng)作，而是會(huì)根據(jù)環(huán)境的變化而及時(shí)地作出判斷和反應(yīng)。MIT 計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室（簡(jiǎn)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(cè)特定狀況下物品如何移動(dòng)的人工智能系統(tǒng)。該系統(tǒng)應(yīng)用在機(jī)器人后，可以有很大的應(yīng)用空間，比如，可以讓機(jī)器人洗碗。

 

　　“它們將不是工業(yè)化機(jī)器人，一遍一遍很精細(xì)地重復(fù)動(dòng)作。這些機(jī)器人必須能夠處理不確定的事情。如果機(jī)器人將需要清洗的盤子放在洗碗機(jī)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(huì)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(jī)器人的基礎(chǔ)，這些機(jī)器人可以像人類一樣能對(duì)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(yùn)動(dòng)，但是你必須為每一個(gè)特定的場(chǎng)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(shí)驗(yàn)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(dòng)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(shí)別出物體，判斷它們的結(jié)構(gòu)，并最終預(yù)測(cè)它們的行為。即使只是展示了一些靜態(tài)的場(chǎng)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(cè)接下來將要發(fā)生什么。

 

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