在人們意識當中，機器人按照開發(fā)者的意愿而做出指定的動作似乎是一件理所應當?shù)氖拢?，機器人完成任務還要做到精準、迅速。然而，F(xiàn)acbook 的研究人員卻不走尋常路，他們有意讓機器人“犯錯誤”，這到底是為什么呢？

”

“明知故犯”是“智”也

在 Facebook 位于硅谷的新實驗室里，有一個叫作 Sawyer 的機器人（來自已經(jīng)倒閉的 Rethink Robotics 公司），它紅黑相間的手臂揮舞著，試圖完成研究人員交給它的任務。

按照指令，Sawyer 的手臂應該移動到右邊一處固定位置，然而，Sawyer 把手臂抬高，然后偏離軌道，錯開了指定位置，重新回到了原點；研究人員只好將 Sawyer 重置，讓它繼續(xù)完成之前的任務。這一次，Sawyer 的手臂確實往右移了，但就在非常接近指定位置的時候，它再一次偏離了運動軌道，回到了起始位置。兩次任務都失敗了。

或許有人會覺得 Sawyer 的“頑劣”行為令人抓狂。但就像兔子為了躲避獵鷹而迂回前進一樣，Sawyer 看似笨拙的行為實際上是一種特殊的聰明。

Facebook 認為，無論是對于機器人的開發(fā)，還是 AI 的開發(fā)來說，這種聰明都至關重要。

強化學習讓機器人更“聰明”

一般來說，開發(fā)者會編程機器人，讓他們通過這些設定好的指令來執(zhí)行動作，不過從某種程度上來說，這種方式有點死板。

而我們?nèi)祟愒趯W習上則要聰明得多。因為，即使是嬰兒也明白，物體從視野中消失并不代表從世界上消失；玩具球可以滾來滾去，沙發(fā)卻不行；長大后，人們能夠?qū)W習駕駛，而不是撞車。

這一切都要歸功于人類大腦里建立起來的世界模型。

Facebook 首席 AI 科學家 Yann LeCun 表示：

如果我們在懸崖邊開車，方向盤只要往右轉(zhuǎn)，汽車就會掉下去，所以，我們絕不會這樣做。我們大腦里的世界模型會阻止我們自己做傻事。

Facebook 也在嘗試為機器提供這種模式，Yann LeCun 補充道說，建立世界模型的系統(tǒng)是 AI 取得重大進展的下一個挑戰(zhàn)。

實際上，F(xiàn)acebook 并不是第一個嘗試讓機器人學會自我移動的團隊。

在加州大學伯克利分校，研究人員使用了一種名為強化學習（reinforcement learning）的技術，讓雙臂機器人 Brett 把方形釘子塞進一個方形洞里。

在此過程中，研究人員會讓 Brett 嘗試許許多多隨機的動作：如果 Brett 更接近目標，系統(tǒng)就會給它“獎勵”；如果 Brett 搞砸了，系統(tǒng)會給它“記過”。

這些記錄，Brett 都會保存下來，然后經(jīng)過多次迭代，它會越來越精準地找到方洞，并把釘子放進去。

創(chuàng)新的自我監(jiān)督學習

而 Facebook 的嘗試有點不同，F(xiàn)acebook AI 研究科學家 Franziska Meier 表示:

我們想嘗試的是給機器人灌輸好奇心的概念。

人類就是通過好奇心來認識世界的，比如，孩子們想知道猛拽貓尾巴會發(fā)生什么，所以他們會去做這種嘗試。因此，Brett 是通過一點一點地靠近目標，來改進自己的動作，而 Facebook 的 Sawyer 則是靠近目標，然后故意偏離軌道。

Facebook 研究人員旨在讓 Sawyer 自由地嘗試非最佳動作，而不是獎勵它不斷取得的成功，即使這在當時看起來并不理性。Meier 說：

雖然 Sawyer 沒有完成任務，但它給了我們更多的數(shù)據(jù)，我們通過這種方式獲得的數(shù)據(jù)比傳統(tǒng)的方式要多。

這個概念被稱為自我監(jiān)督學習——機器人嘗試新行為并更新軟件模型，從而幫助它預測自己的行為后果。

這樣做的目的是讓機器能夠更加靈活地去完成任務，或者說，更容易適應動態(tài)的人類環(huán)境。

比如，機器人要將架子上的杯子放到旁邊的架子，最好的方法是將杯子直接平移，然而兩個架子之間有隔板，這就需要機器人反復試驗、反復犯錯，直到它探索出更好的解決方案。

正如奧斯陸大學的機器人專家 Tonnes Nygaard 所說的那樣：

如果我們一直執(zhí)著于一個解決方案，我們可能會走進死胡同；我們更應該專注于探索更多新的解決方案。

模擬與現(xiàn)實之間的差距

一些研究人員通過模擬來教機器人完成任務——建立一個數(shù)字世界，再讓其中的動畫對象通過“犯錯”的方式來完成任務。這種方法相對較快，因為當數(shù)字“機器”不受現(xiàn)實世界物理定律的約束，它們迭代的速度要快得多。

不過，雖然模擬更高效，但它并不能完美地反映真實世界，模擬動態(tài)人類環(huán)境的復雜性。

這就導致，機器人在模擬環(huán)境中能夠完美匹配的理論，在現(xiàn)實世界中卻不適用。在現(xiàn)實世界中做任何事情都可能更慢、更費力，但好處是，機器人能獲得的數(shù)據(jù)更純粹。

Facebook的人工智能研究科學家 Roberto Calandra 表示：

如果它在現(xiàn)實世界中行得通，那它就真的行得通。

畢竟，機器人在現(xiàn)實世界中要面對各種意想不到的麻煩，程序員不可能對每一個都預先進行編碼。

AI 和機器人相得益彰

從某種程度上來說，F(xiàn)acebook 的項目是 AI 和機器人的偉大融合。

雖然谷歌和亞馬遜和 Facebook 等科技巨頭已經(jīng)大大推動了 AI 的發(fā)展，比如讓機器進行圖像識別，不過這個任務仍基于人們事先給圖片貼好標簽。不得不承認，機器還是不夠聰明。

隨著 AI 研究人員開始使用機器人作為平臺來改進軟件算法，這種情況開始發(fā)生變化。

例如，F(xiàn)acebook 教機器人獨立完成一系列任務，這反過來可能會對開發(fā) AI 助手有所啟發(fā)，讓它們能夠更好地為用戶服務。LeCun 說道：

如果機器人解決了一個問題，同理，它也能在另一種情況下解決這個問題。

簡而言之就是，AI 正在讓機器人變得更聰明，而機器人也在幫助推進 AI 的發(fā)展。

不過，F(xiàn)acebook 表示，目前，公司的這項研究并沒有連接到特定的產(chǎn)品。不過，LeCun 說：

我們認為，機器人將在遠程呈現(xiàn)中發(fā)揮重要作用。畢竟，F(xiàn)acebook 擁有 Portal 和 Oculus VR 系統(tǒng)。