GBAS干货|中国科学院外籍院士、IEEE 2020年总主席 Toshio Fukuda：智能机器人系统和机器学习

12月6日，GBAS 2018大湾区机器人与人工智能大会在深圳前海华侨城JW万豪酒店召开。中国科学院外籍院士、IEEE 2020年主席Toshio Fukuda在大会上做主题演讲，题目为《智能机器人系统和机器学习》。以下文字根据演讲内容整理。

世界上很多的人都在研究人工智能领域，很多的领域包括北京技术研究院也在研究，但是对于机器学习来说很重要的一点就是不断进行机器的研究。这个概念过去40年一直被人们提出来，很多人在这里会谈到多层次的机器人，也就是蜂窝式模式。

现在已经是纳米的技术了，将来也会遇到机器人4.0或者5.0或者6.0的时代，2010年的时候已经提出了4.0时代的概念，现在是不是到了5.0时代，也就是包括AI和深度学习，在机器人6.0的时代强调的是单独性，所以现在要不断深度地去拓展这个领域，机器人4.0时代一定是要不断升级运算能力的。

对于不断升级的运算能力人类需要做什么呢？首先要知道在机器人背后需要人类提供一些支持和援助，以及从哪些领域来考虑这些方面的问题。

Toshio Fukuda说：人工智能就像是一个游戏，我们要享受这个过程。比如说在过去人类和机器人的各种比赛中，人类总是可以赢得机器人，而现在机器人在下棋、游戏等方面开始成为赢家。

说到AI，还有可能是BI的概念，就是大脑的科学，以及计算机辅助的其它一些科学都是非常重要的。比如说要控制和识别，还要规划所有的方面，这些都是为了更好的控制机器人。我们一定要进行更好的认知和规划，所以可以把AI、BI、CI的模式进行一个很好的整合，通过一个中央控制器，将知识和大脑的认知结合起来。

但是不要忘记一定要在BI这个领域连接起来，这就是为什么AI、BI、CI要整合，我们要不断的把知识加到AI、BI、CI身上，这样才可以有更多整合度出来，最后形成一个有综合特征的CI。这个在过去30年我们也获得了很多的经验，但是在计算机能力方面我们还要加强。

在1994年的时候，有一个神经元的网络或者相关的报告中说明在机器学习方面可以做到深度学习AI的，AI的提高也致使人类在不断学习，机器人也是一样的，要给它不断赋能。但是在过去的35年我们都没有完全解决这个问题，所以一直还在努力，首先我们怎么使深度学习成为一个现实，这就需要一个环境。

比如这里有一个控制器和一个神经元的服务器，设置了一系列的场景以后，再把AI融入到这个平台。假设一个环境，中间的IT是机器人技术，在中间的话会有一些模拟的技术，这个系统我们叫做CBS。还有互联网，以及在这个过程当中看到的这个物理上面的交互和一些信息的互动。

Toshio Fukuda表示现在在做的更多的是人机互动的分析，过去都是一对一，过去人类可以和机器人做跳舞的互动，这个是一个人对一个机器之间的协调和互动。还有很重要的一点就是人类和机器人身体的某个部位互动，比如手和腿进行一个互动，在身体本身会看到有很多的互动。所以中间是机器人，外围会很多的人可以进行互动，这个其实是一个网络。

接下来我们再来看一下比较复杂的机器人系统。

机器人怎么能够进行机器学习？机器人也是要进行群体的学习，并且要有一个小组，比如说有蚂蚁、有蜜蜂要进行交流和学习，机器人本身通过捕捉了这些行为之后可以进行学习。而另外一个体系里面有很多的层面，这里的机器学习和人工智能在大的生态体系里面是一个很小的氛围和领域，有很多的组织和交流，整个生态的系统是非常复杂的。这就是为什么这么多人机交互和身体上以及信息上的交流。

Toshio Fukuda在现场展示了机器人系统的概念，研发者根据现实的一些动物做出了一些机器人，比如在攀爬的机器人，还有一些行走的机器人，它们能否或者怎么样才能全部完成这些功能，Toshio Fukuda认为机器人应该是可以适应的。让一个机器人做所有的功能，这个非常重要。现在的多动力和多维度的机器人可以往这个方向发展，以后应该会具有更多的动作，这是以后的一个发展方向。

Toshio Fukuda认为人类应该去思考怎么用算法驱动让目标从这一点到那一点，而且这个区域要平衡好稳定度，这里的一个动力结构和算法怎么设置，以及从一个点到另外一个点，都取决于感应器。

研究者想要感应器做成什么呢？比如这里给一些东西让它可以筛选，还有通过算法怎么不让机器人滑倒，以及怎么对比不同的动力结构，另外动力值怎么设置，让机器人可以有不同的选择。

这里有一个想象，在下一阶段要让机器人跳起来，而不是只让它拥有走或跑的功能。这个才是一个真正的跳跃性发展。这就像在开车的时候，你不会用同一个档一直开，你会不断换档，所以这是一个多动力的系统，通过这种动力系统可以达成这点。

最后，Toshio Fukuda提出如何去达成目标？他认为机器学习和人工智能融合之后就可以实现，这个是能量消耗之前的一个权衡，研究者需要机器人的低能量消耗，但是要让机器自己选择跳，这就需要用一个多动力的系统来很好的控制。并且在目前人类生活的空间里面让它自己可以识别，这个就是以后机器人融合了人工智能和机器学习之后的结果。