貿(mào)澤電子的Rafik Mitry對Alois Knoll教授的專訪 ：

早在2020年9月，我與Alois Knoll教授就人工智能 （AI） 進行了交流。Knoll教授是慕尼黑工業(yè)大學(xué) （TUM） 機器人技術(shù)、人工智能和嵌入式系統(tǒng)的教席負責人。他的研究興趣主要集中在人機交互和服務(wù)機器人技術(shù)、醫(yī)療機器人技術(shù)、認知機器人技術(shù)和網(wǎng)絡(luò)物理/嵌入式系統(tǒng)。

Q：您目前在機器人技術(shù)方面的研究重點是什么？

目前，我們專注于：

打造更加安全可靠的人工智能

將人工智能融入關(guān)鍵基礎(chǔ)設(shè)施建設(shè)

通過人工智能優(yōu)化生產(chǎn)流程

我們還在開展兩個主要的研究項目，分別是“人腦”項目 （Human Brain Project） 和Roboy。 “人腦”項目 “人腦”項目是一個非常大的項目，融合了大腦研究和技術(shù)開發(fā)。在這個項目中，神經(jīng)形態(tài)處理器和神經(jīng)機器人是備受公眾關(guān)注的兩個領(lǐng)域。“人腦”項目著眼于建立研究基礎(chǔ)設(shè)施，以推動神經(jīng)科學(xué)、醫(yī)藥和計算的發(fā)展。這是歐盟資助力度最大的科學(xué)項目之一，也是四個FET（未來和新興技術(shù)）旗艦項目之一。項目于2013年啟動，為期十年， 凝聚了歐洲100余所大學(xué)、教學(xué)醫(yī)院和研究機構(gòu)的約800名科學(xué)家的力量。項目的主要目標是研究人腦的多層次復(fù)雜生物學(xué)：它的結(jié)構(gòu)以及神經(jīng)元是如何發(fā)揮作用的。然后，將獲得的知識部署到健康、計算和技術(shù)領(lǐng)域的大腦衍生應(yīng)用中。 Roboy項目 Roboy是一個受到公眾廣泛關(guān)注的項目，因為就其目標（即AI的體現(xiàn)）而言，Roboy是世界上最先進的機器人之一。這是一個先進的類人機器人，模仿了人體的肌肉骨骼系統(tǒng)。Roboy擁有肌肉和肌腱，這不同于用電機來代替關(guān)節(jié)的傳統(tǒng)機器人。TUM的Roboy團隊正在開發(fā)自己的認知系統(tǒng)，包括對話系統(tǒng)、語音轉(zhuǎn)文字、文字轉(zhuǎn)語音以及存儲系統(tǒng)。第一個版本的Roboy建造于2013年3月。到2019年，Roboy已經(jīng)能夠售賣冰淇淋。按照計劃，到2050年Roboy將像人類一樣出色。

Q2：邊緣AI現(xiàn)在面臨什么樣的挑戰(zhàn)？

這些挑戰(zhàn)是軟硬件（計算引擎）還是倫理（偏見）方面的？

倫理方面是我們始終必須意識到的一個方面。這就是為什么我們在“人腦”項目中專門有一個小組只處理倫理問題并且將倫理考慮在內(nèi)的原因。其根本在于人腦的解碼仍處于初期階段。把我們知道的東西付諸實施非常容易， 因為這項技術(shù)已經(jīng)非常先進了，因此可以在市場上購買或者提供實驗室規(guī)模的芯片。盡管如此，我們?nèi)匀豢梢灶A(yù)期神經(jīng)形態(tài)處理器將在未來的AI應(yīng)用中扮演重要的角色。

SpiNNaker系統(tǒng)開發(fā)就是一個例子，它基于在ARM架構(gòu)的定制數(shù)字多核芯片上實時運行的數(shù)字模型。此系統(tǒng)將生物神經(jīng)網(wǎng)絡(luò)的各個方面作為電子電路上的模擬或數(shù)字副本執(zhí)行。SpiNNaker系統(tǒng)具有30，000個定制數(shù)字芯片，每個芯片具有18個核心，因此總共有50多萬個核心。它還有一個共享的本地128 MB RAM。還有商用神經(jīng)形態(tài)處理器，例如Intel的Loihi。這一領(lǐng)域硬件開發(fā)方面的速度確實令人印象深刻。

Q3：您是否認為使用Neuralink可以有所作為

埃隆·馬斯克提出了一種連接到人腦神經(jīng)元的生物相容性芯片，這是醫(yī)學(xué)研究中的重大進展。如果用來治療某些疾病，例如帕金森氏癥，那么Neuralink實際上還是很有希望的。但是，如果想在人腦中播放音樂，或者想使人變得更聰明，我認為這是不現(xiàn)實的。不管怎樣，從醫(yī)學(xué)的角度來看，這對于幫助市場治愈腦部疾病是非常令人激動的進步。

Q4：為什么汽車應(yīng)用中的AI不能對新情況做出自主決定？

有多種將AI應(yīng)用到汽車的方法。一種方法是由Nvidia驅(qū)動的所謂端到端方法，即開著車模擬一遍各種場景。這確實是一種可行方案，但是有一些困難：

泛化能力：如果出現(xiàn)另一種這輛汽車沒有遇到過的場景，它就會無所適從。

第二個困難是可追溯性。當AI做出決定時，我們無法理解它為什么會以這種方式做出反應(yīng)，以及為什么會作出這種決定。

例如，汽車在高速公路上行駛、需要的參數(shù)都具備時，AI能夠輕松完成大多數(shù)任務(wù)。但是離開了高速公路進入市區(qū)，路況就變得非常復(fù)雜。例如，出現(xiàn)AI模型訓(xùn)練期間沒有碰到過而導(dǎo)致不知道的問題—這仍然是目前尚無解決方案的重大問題。因此，直到今天，市場上還沒有全自動駕駛的汽車。其原因正是出在當前所用的方法上。我們?nèi)匀徊恢廊绾伍_發(fā)一套能夠?qū)崿F(xiàn)全自動駕駛汽車的神經(jīng)網(wǎng)絡(luò)架構(gòu)。根本上講，這不是軟件的問題，這是方法論和結(jié)構(gòu)的問題。

Q5：最后，您對有意從事AI領(lǐng)域工作的學(xué)生有什么樣的建議？

可以來慕尼黑工業(yè)大學(xué)攻讀機器人技術(shù)、認知和人工智能的碩士課程。不管是機器人技術(shù)還是AI方面，你都將可以獲得對這個領(lǐng)域在整體上的深入認識，以及進入這個行業(yè)市場的敲門磚。

原文標題：慕尼黑工業(yè)大學(xué)的AI研究

文章出處：【微信公眾號：貿(mào)澤電子】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責任編輯：haq