3月3日消息，據(jù)國外媒體報道，一家名為Kindred AI的神秘加拿大創(chuàng)業(yè)公司在利用人工虛擬現(xiàn)實“向導”來教導機器人執(zhí)行新任務。它的最終目標是創(chuàng)造一種新型的人工智能技術。

　　通過給機器人配對佩戴虛擬現(xiàn)實頭盔和手握運動追蹤控制器的人類“向導”，Kindred教導它們?nèi)绾纬焖俚貓?zhí)行相對棘手的靈巧型任務。

　　該技術讓人們可以一瞥未來人類可以如何跟機器同步協(xié)作，展示如何通過利用人類的能力來強化自動化系統(tǒng)的功能。盡管業(yè)界普遍擔憂機器人和人工智能將會搶走人類的工作崗位，但還有很多事情機器還是無法勝任。該公司上周向《麻省理工科技創(chuàng)業(yè)》（MIT Technology Review）展示了該項技術，稱計劃未來幾個月推出一款面向零售商的產(chǎn)品。它的長期雄心甚至更為宏大。Kindred希望，該項人類輔助學習將會催生一種全新的、更加強大的人工智能技術。

　　Kindred由加拿大本拿比的量子計算公司D-Wave出身的幾位人員創(chuàng)立。它目前在測試一些常規(guī)的工業(yè)用機器手臂，這些機器手臂能夠快速而可靠地抓取和放置難以握持的物品，比如小件的衣服。有時候，它們需要請求人工團隊提供幫助，該團隊會利用虛擬現(xiàn)實硬件來了解它們遇到的挑戰(zhàn)，然后臨時控制機器手臂。

　　“向導能夠看到機器人所看到的，聽到它所聽到的，感覺到它所感覺到的。當向導行動時，那些動作也會讓機器人動起來。”Kindred聯(lián)合創(chuàng)始人兼CEO、D-Wave聯(lián)合創(chuàng)始人喬第·羅斯（Geordie Rose）表示，“這讓我們能夠給機器人展示如何像人類那樣行動。人類在各種機器人控制上都不是最快速或者最擅長的，比如將物品放在特定的位置，但人類還是最擅長搞懂棘手或者意料之外的狀況。”

　　Kindred的系統(tǒng)使用數(shù)個機器學習算法，會嘗試預測哪一種算法會帶來最好的結果，比如最能幫助抓握物品。如果沒有一個算法可帶來高成功率，但系統(tǒng)就會請求人工幫助。最重要的是，這些算法會學習人類控制員的動作。為了實現(xiàn)這一點，該公司采用一種強化學習技術。該技術涉及通過試驗和強化行為來實現(xiàn)特定的目標。

　　羅斯稱，該系統(tǒng)抓握小件衣服的速度達到人工單獨操作的兩倍，如機器人獨立操作，則難以完成任務。一個人員還可以同時操作幾個機器人。

　　羅斯補充道，Kindred在探索各種人工參與的系統(tǒng)，從只是讓人點擊圖片來給機器人展示抓握點的系統(tǒng)，到控制人形機器人的全身外骨骼。他說，向導通常是學習如何有效地控制遠程的機器人系統(tǒng)。

　　技術靈感來源

　　該技術的開發(fā)靈感來自于前D-Wave高級研究員、Kindred首席科學官蘇珊娜·吉爾德特（Suzanne Gildert）。該公司低調(diào)運營了幾年時間，但隨著吉爾德特提交的專利申請細節(jié)浮出水面，它引起了關注。該專利描述的是一個結合不同遙控操作和機器學習技術的機制。的確，Kindred對于其技術的愿景似乎已經(jīng)遠遠超過開發(fā)更擅長整理東西的機器人的范疇。

　　“我們的想法是，如果你能夠展開時間足夠長的研究，如果你有某種AI系統(tǒng)在后臺學習，那么你或許可以嘗試很多不同的AI模型，看看哪些模型的訓練效果更好。”吉爾德特說道，“我的想法是，如果你能夠讓人類通過機器人來進行演示操作，那機器人沒有理由無法學習得像人類那樣。”

　　最引人注目的是，Kindred的專利甚至描述了讓這類系統(tǒng)由諸如猴子的動物控制的可能性。吉爾德特表示，這只是個想法，公司目前還沒有雇用猴子。然而，她透露，公司倒是有只機械貓，經(jīng)過強化學習技術的訓練，它能夠在辦公室里四處走動。

　　潛力與挑戰(zhàn)并存

　　Kindred還有個不同尋常之處：幾位創(chuàng)始人都是物理學家，而不是機器人學家或者計算機科學家。不過羅斯指出，這帶來了獨特且有價值的視角。“對于計算機科學家來說，模擬和現(xiàn)實世界之間的界線有時候很模糊，”他說，“而我們則非常偏愛在真實機器人身上做我們在現(xiàn)實世界中會做的事情。”

　　Kindred的解決方案似乎有著巨大的潛力。加州大學伯克利分校研究機器學習和機器人的教授肯·戈德伯格（Ken Goldberg）表示，人類技能將會大大加速機器人的學習速度。正研究將類似技術應用于機器人手術的戈德伯格補充道，讓機器人學習人類是一個非常活躍的研究領域。“我認為它在機器人學領域是一大機會，”他說，“讓人類來示范有很大的益處。”

　　不過，通過人工遙控操作來學習的技術挑戰(zhàn)不可謂不小。麻省理工學院研究遙控操作人形機器人的副教授Sangbae Kim指出，將人的控制映射到機器動作上，是件極其復雜的事情。“第一個挑戰(zhàn)是，通過將剛性構件附加到人的皮膚上來追蹤人的動作。這非常困難，因為我們是內(nèi)骨骼動物。”他說，“更大的挑戰(zhàn)在于，真正理解人在操作時的決策步驟的所有細節(jié)，要知道這些決策往往是下意識的決策。”

　　但Kindred的幾位創(chuàng)始人對此并不擔心。“我們的目標是解構認知過程。”羅斯說，“所有的生物體都遵循特定的行為和行動模式。我們正嘗試打造有跟人一樣的行動機理的機器。”