2016 年，人工智能在美好理想和殘酷現(xiàn)實的夾縫中野蠻生長。

 

　　無論是平臺還是產(chǎn)品，其核心競爭力在這兩方面：

 

　　巨大的市場需求

 

　　足夠的差異化和獨特性，不可復(fù)制性

 

　　滿足這兩點，你的產(chǎn)品和解決方案或服務(wù)才擁有核心競爭力。

 

　　當(dāng)從業(yè)者們認為，“技術(shù)為王”是人工智能時代的關(guān)鍵時，接踵而來的價格戰(zhàn)、商務(wù)戰(zhàn)、公關(guān)戰(zhàn)，讓技術(shù)似乎不再是唯一的信仰。當(dāng)從業(yè)者們認為，手握學(xué)術(shù)大牛、刷爆各種榜單就能所向披靡時，“AI 產(chǎn)品經(jīng)理比科學(xué)家重要”、“刷榜是沒意義的”等反駁性觀點也越來越被業(yè)內(nèi)認可。當(dāng)從業(yè)者們認為，招一大批名校博士就可與巨頭比劃時，虛高的薪水和拿不出手的產(chǎn)品讓企業(yè)不得不開始考慮性價比的問題。然而，人工智能真的能像預(yù)期的那樣，未來五年走進家庭，給人們的生活帶來“驚艷”的變化嗎？

 

　　人工智能看似一塊巨大而香甜的蛋糕，似乎每個人都能從中看到未來數(shù)量龐大的客戶呈幾何式增長的前景，然而，現(xiàn)狀是歐美、日本這些在工業(yè)機器人領(lǐng)域做到登峰造極狀態(tài)的國家，在人工智能領(lǐng)域，并不能制造出可以替代人類的機器人。甚至，他們的人形機器人，或者服務(wù)機器人，只是停留在一個“人的初級概念”。

 

　　人類的需求不是特定的，也許有人會需要真人一樣的、有情感依賴的機器人陪伴在身邊，如果是單身的話，想象空間就很大了。這樣的機器人在5~8年之內(nèi)商業(yè)化是有可能的。未來人形機器人在運動控制和人工智能上將接近人。

 

　　過去推動人工智能的核心要素可以概括為大數(shù)據(jù)、大計算、大平臺：其在互聯(lián)網(wǎng)和云端做人工智能的技術(shù)與服務(wù)。如果朝更遠的方向看，我們會發(fā)現(xiàn)除了從云端部署人工智能，其實很多場景下急需在設(shè)備端部署人工智能，使這些設(shè)備具備環(huán)境感知、人機交互、決策控制的能力。

 

　　亞馬遜認為未來的人機交互的發(fā)展，消費中心一定是人形機器人。人形機器人最關(guān)鍵的技術(shù)是視覺輸出。我們每天所獲取的信息超過70%、80%都是從眼睛來的，所以首先是要進行圖像處理，如何將獲取的圖像變得更加清晰?？辞宄?，就是機器識別，作為家庭服務(wù)機器人，首先要認識家里每一個成員，這樣才能對他們建立用戶畫像，然后把家庭成員的信息歸總起來。要想完成穩(wěn)定的圖像處理和機器視覺，離不開兩個非常關(guān)鍵的基礎(chǔ)方面的研究，即深度學(xué)習(xí)和多視角學(xué)習(xí)。
 

 
 

　　比如全球首臺具有人類感情的機器人Pepper，標(biāo)志著人類在機器人人工智能方面的一次偉大飛躍。在作出它認為合適的反應(yīng)之前，Pepper能夠識別人的面部表情、嗓音腔調(diào)和身形。在日本東京Omoto sando高級購物區(qū)，Pepper在手機商店里做一些市場調(diào)查的工作。
 

 
 

　　又比如JIBO機器人，它不僅外型又萌又可愛，同時帶有“面部識別”功能，能夠識別主人，與我們進行交流。從本質(zhì)上來說，Jibo算是一款社交型機器人，它能根據(jù)使用者的需求做出反應(yīng)。在它的“頭部”，有一個大大的圓形屏幕，用于顯示信息或展示心情。Jibo內(nèi)置兩個高分辨率的相機，可以識別、追蹤人臉，撲捉鏡頭，發(fā)起即時視頻通話；另外內(nèi)置的360度環(huán)繞揚聲器和語音處理機制，可以在房間的任何位置與其他成員交談。比如當(dāng)Jibo為孩子們講故事時，不像以往的傳統(tǒng)工具單純冰冷的單項輸出，而是可以識別孩子的情緒，通過聲音、動作、屏幕顯示的“眼神”，與孩子互動。

 

　　機器人在家里到處走，要進行實時場景的解析，如何精確地實現(xiàn)室內(nèi)導(dǎo)航，要有很多基礎(chǔ)技術(shù)的支持。理解了環(huán)境，下面很重要的事情就是認知人、理解人的行為，這是運動的人臉識別系統(tǒng)。人是有情感的，你可以很友善，也可以很憤怒。這對于機器人來說就需要理解人的表情。理解了人的情緒、人的行為，下面就要知道如何檢測和識別物體。

 

　　人形機器人最終面向家庭的商業(yè)化還是要降低成本，而最大的問題就是要估計人的姿態(tài)，如果給機器人裝很多攝像頭和傳感器必定會提高成本，如何利用單幕攝像機來獲取想要的數(shù)據(jù)就是需要研究的問題。

 

　　此外，還有一個關(guān)鍵問題是模型壓縮。人形機器人運動過程當(dāng)中有很多計算的開銷、電能的開銷，再加上人工智能的開銷，就導(dǎo)致它要有一個很大的電池，這在很多場景中是很難克服的，因此要把大的模型變成小的模型。

 

　　未來5年內(nèi)或迎來突破

 

　　在基本功能達到之后，就可以不斷迭代，真正產(chǎn)生一個符合需求的產(chǎn)品。在兩到三年之內(nèi)，機器人“抓取”的功能一定能到位。

 

　　以“抓取”這個功能為例，家里各式各樣的瓶子很多，酒杯、礦泉水瓶、暖水瓶等等，可能在機器人看來都是一樣的，但如何精準(zhǔn)地把這些物體識別出來，就是需要人工智能技術(shù)和運動控制技術(shù)相互配合的場景。

 

　　比如美國宇航局噴氣推進實驗室參賽的Robo Simian猿形機器人。它有四條腿，有7組鏡頭，可以行走在不平的路面上，譬如樓梯或者山上，成為全方位搜索和救援機器人。

 

　　Robo Simian的多關(guān)節(jié)腿上有三根靈巧的手指，讓它可以像猿類來個蘭花指，或蕩個秋千，在去年的演示中，它還做了個引體向上。

 

　　真正的人形機器人是有四肢、大腦及軀干的機器人，只是它的外形不見得是第一步就完成的。先完成整體軀干的部分，可以運動了，有了AI的概念了，然后再做更加真人化的皮膚、材料、各種傳感器，這時候觸感、溫度各方面才會有進步。

 

　　比如新版本ASIMO的每只手都擁有13個自由運動軸，憑借這一點，它已經(jīng)能夠成為一個合格的手語表演者。除了可以完成各種復(fù)雜的行走功能與人類肢體動作外，還具備了人工智能AI，可以預(yù)先設(shè)定動作，還能依據(jù)人類的聲音、手勢等指令，來從事相應(yīng)動作。
 

 
 

　　“未來5年結(jié)合驅(qū)動技術(shù)、控制技術(shù)，以及人工智能的發(fā)展，一定會迎來人形機器人在家庭應(yīng)用中新的突破點，也會迎來產(chǎn)業(yè)應(yīng)用的突破。”

 

　　最近大家在說中國 AI 的人才、技術(shù)儲備、研究、創(chuàng)新都有優(yōu)勢，這個觀點我不太認同。實際上，國內(nèi)學(xué)生在已經(jīng)討論出解決辦法的情況下去做拿競賽、刷分，這方面我們很擅長。但真正做出 Alpah Go 這樣的創(chuàng)新，咱們還差些火候，而且國內(nèi)也缺乏孵化這種創(chuàng)新的土壤。今年深度學(xué)習(xí)原創(chuàng)性的基礎(chǔ)研究在大步向前發(fā)展，然而我?guī)缀鯖]看到哪些進步是國內(nèi)產(chǎn)生的。

 

　　至于為何要做嵌入式人工智能？過去推動人工智能的核心要素可以概括為大數(shù)據(jù)、大計算、大平臺：其在互聯(lián)網(wǎng)和云端做人工智能的技術(shù)與服務(wù)。如果朝更遠的方向看，我們會發(fā)現(xiàn)除了從云端部署人工智能，其實很多場景下急需在設(shè)備端部署人工智能，使這些設(shè)備具備環(huán)境感知、人機交互、決策控制的能力。

 

　　商務(wù)和銷售確實非常重要，因為只有把技術(shù)和具體應(yīng)用場景拉近才能產(chǎn)生價值落地。技術(shù)研發(fā)也一定要有差異化，這種差異化如果只是做研究，只是去 Follow 開源平臺等這些大家都在討論的事情，這是很主流的做法，如果你一定要關(guān)注主流算法，潛臺詞就是你已經(jīng)放棄了差異化。因此你一定要深入特定的問題，深入解決那個場景下的各種限制條件，去針對性地提出特殊的方法解決實際需求，這是讓你更有差異化的途徑。