根據(jù)谷歌工程師介紹，之所以AlphaGo能獲得如此大的突破，主要得益于其研發(fā)團(tuán)隊(duì)采用了人工智能中最先進(jìn)的深度學(xué)習(xí)技術(shù)（Deep Learning），通過深入學(xué)習(xí)AlphaGo不僅能從千萬盤由人類圍棋對(duì)弈的歷史棋譜組成的大數(shù)據(jù)中自我學(xué)習(xí)，并且能通過每天數(shù)萬盤的自我對(duì)弈中積累經(jīng)驗(yàn)，這樣驚人的學(xué)習(xí)能力是人類不可企及的。

 

　　作為棋迷的小編當(dāng)時(shí)也看了比賽的直播，在看到李世石對(duì)面的谷歌工程師在替AlphaGo下棋時(shí)突然“腦洞大開”，如果替AlphaGo下棋的是一臺(tái)工業(yè)機(jī)器人，當(dāng)擁有深度學(xué)習(xí)功能的“最強(qiáng)大腦”配上具備視覺和力覺傳感功能且在執(zhí)行端無比精準(zhǔn)的工業(yè)機(jī)器人會(huì)是怎樣的一副畫面？

 

　　去年9月，全球領(lǐng)先的工業(yè)機(jī)器人制造商fanuc出資9億日元入股人工智能技術(shù)開發(fā)公司Preferred Networks（PFN），并借助PFN在深入學(xué)習(xí)方面的專業(yè)技術(shù)開發(fā)自我學(xué)習(xí)和自我修復(fù)的工業(yè)機(jī)器人。

 

　　在3個(gè)月后的“2015國際機(jī)器人展”上，F(xiàn)ANUC展示了在深入學(xué)習(xí)以及FANUC iRVision視覺系統(tǒng)下的機(jī)器人免示教散件分揀。在事先不向機(jī)器人輸入工件易吸附部位的信息情況下，機(jī)器人憑借基于深度學(xué)習(xí)技術(shù)的強(qiáng)化學(xué)習(xí)（Reinforcement Learning）和試錯(cuò)法進(jìn)行自我學(xué)習(xí)，在完成1000份數(shù)據(jù)的學(xué)習(xí)后，機(jī)器人分揀工件的成功率為60％，而在完成5000份數(shù)據(jù)的學(xué)習(xí)后，成功率則提高到了90％，這一成功率與熟練工人調(diào)試后的成功率相當(dāng)。

　
圖1：機(jī)器人免示教散件分揀

　　圖2：圖中的數(shù)字為定量推測(cè)的分揀成功率，機(jī)器人按照從易到難的順序進(jìn)行抓取

 

　　這是不是與AlphaGo通過自我對(duì)弈來提升棋力有異曲同工之妙？在深度學(xué)習(xí)出現(xiàn)之前，過去采取的方法就是人類耗費(fèi)巨大的精力編寫程序，輸入機(jī)器然后執(zhí)行預(yù)定的功能，而有了深度學(xué)習(xí)以后，人類只需要編寫讓機(jī)器人深度學(xué)習(xí)的程序，機(jī)器就能夠?qū)崿F(xiàn)在龐大的數(shù)據(jù)積累過程中通過學(xué)習(xí)來實(shí)現(xiàn)智能化操作，并且其水平可以在數(shù)據(jù)增加的過程中不斷得到提升。

 

　　根據(jù)計(jì)劃，F(xiàn)ANUC機(jī)器人還將利用深度學(xué)習(xí)來發(fā)現(xiàn)人類編程中考慮不到的細(xì)微動(dòng)作，從而實(shí)現(xiàn)更高的產(chǎn)品制造優(yōu)化目標(biāo)。除此之外，深度學(xué)習(xí)還將應(yīng)用于FANUC機(jī)器人及機(jī)床產(chǎn)品的預(yù)防性維護(hù)以及多機(jī)器人協(xié)作領(lǐng)域，來幫助用戶減少生產(chǎn)線停線時(shí)間和提升生產(chǎn)效率。

 

　　寫到這里小編眼前浮現(xiàn)出未來工廠的一幕：設(shè)計(jì)部的小李在下班前將新設(shè)計(jì)好的樣品交給生產(chǎn)線上的FANUC機(jī)器人，晚上機(jī)器人將樣品拿在手上一（Shen）番（Ru）琢（Xue）磨（Xi）后，便自動(dòng)生成程序并糾正在試產(chǎn)時(shí)出現(xiàn)的生產(chǎn)錯(cuò)誤，以及對(duì)生產(chǎn)過程的精益優(yōu)化。第二天小李上班時(shí)生產(chǎn)線已完成了成品的生產(chǎn)。

 

　　工業(yè)機(jī)器人+AlphaGo（深入學(xué)習(xí)）=？ 快說出你心中的答案吧！