隨著華人力量在人工智能研究領域的崛起，越來越多的華人科學家投身于人工智能技術商業(yè)化的進程中。
近日，優(yōu)必選科技宣布悉尼大學教授陶大程即將加盟公司，并擔任優(yōu)必選“人工智能首席科學家”。同時，在機器人運動控制方面，清華大學教授趙明國也將擔任優(yōu)必選“人形機器人首席科學家”。陶大程、趙明國以及優(yōu)必選創(chuàng)始人周劍在北京接受了包括《第一財經日報》在內的媒體采訪，對于人形機器人商業(yè)化等一系列有趣的問題進行了探討。
進入家庭的四個門檻
優(yōu)必選在人形機器人方面的戰(zhàn)略是，2018年完成大扭矩、高爆發(fā)力伺服舵機研發(fā)商業(yè)化，并推出系列化雙足家庭服務機器人。同時考慮在三年內推出人形家庭服務機器人操作系統(tǒng)，并推出基于商業(yè)化目的的類人家庭服務機器人。
周劍認為，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5~8年之內商業(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無限接近人。
“我們跟亞馬遜一起討論了很久，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。”周劍提到，2017年優(yōu)必選的主要收入來源有四塊，銷售收入將達到10億到15億元人民幣。其中之一就是和亞馬遜合作開發(fā)的機器人。
陶大程從軟件的角度解析了人形機器人四個方面的研究內容。他指出，人形機器人最關鍵的東西是視覺輸出。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。看清楚之后，就是機器識別，作為家庭服務機器人，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，離不開兩個非常關鍵的基礎方面的研究，即深度學習和多視角學習。
他表示，機器人在家里到處走，要進行實時場景的解析，如何精確地實現室內導航，要有很多基礎技術的支持。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。
陶大程認為，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據就是需要研究的問題。其團隊最近的一個研究成果就是從Youtube下載的視頻進行計算。
此外，還有一個關鍵問題是模型壓縮。人形機器人運動過程當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。
5年內或迎來突破
專注雙足機器人運動控制技術研究的趙明國教授認為，在基本功能達到之后，就可以不斷迭代，真正產生一個符合需求的產品。在兩到三年之內，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，但如何精準地把這些物體識別出來，就是需要人工智能技術和運動控制技術相互配合的場景。
趙明國還談到，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。
“未來5年結合驅動技術、控制技術，以及人工智能的發(fā)展，一定會迎來人形機器人在家庭應用中新的突破點，也會迎來產業(yè)應用的突破。”趙明國表示。
開發(fā)一款機器人，硬件和軟件技術如何更好地融合是關鍵性問題。那么，從開發(fā)程序上來看，到底是有了硬件再去開發(fā)軟件，還是二者能同時進行？
趙明國認為，機器人運動一定要先有良好的平臺，所以落地的順序應該是齊頭并進，既要實現大型的伺服舵機商業(yè)化，另外相應的軟件也要同步發(fā)展。但是一開始一定要把伺服舵機落實下來。
此外，陶大程也對記者表示，自己從事深度學習已經很長時間了，深度學習的弱點是在沒有大量數據進行訓練的時候，效果可能不會太好。比如說，在座的男士都是短頭發(fā)，女士都是長頭發(fā)，但我出去不能說長頭發(fā)都是女的，短頭發(fā)都是男的。
他認為，人類對大腦的理解還是非常粗淺的，深度學習實際上也沿襲了層級結構。我們已經看到了突破性的成果，但還是有一個過程，就像我們不能教5歲的小朋友微積分一樣，需要漸進式地推進。
另外，陶大程也指出，深度學習是一個潮流，但是并不代表應該放棄原始的學習。統(tǒng)計學習和深度學習未來必將有機地結合在一起，解決我們的需求。
