早上，王爺爺吃完飯，機器人“小明”趕緊提醒王爺爺要在半小時之內(nèi)吃藥，吃完藥王爺爺坐在電視機前，“小明”告訴王爺爺老花鏡在茶幾的第一個抽屜中。午休過后，王爺爺要出門散步，“小明”告訴王爺爺外面只有10度，需要穿外套，并拿上傘。

以上的情景絕對不只是暢想，隨著老齡化和少子化程度的加深，機器人會越來越多走進老年人家庭，成為智能養(yǎng)老小助手。但是每個老人的脾氣、性格、需求各不相同，因此要求機器人能夠不斷學(xué)習(xí)，理解老人的隱性需求，真正能夠陪伴老人。如何滿足這些個性化的需求？從人工智能的角度分析，就要讓機器人不斷學(xué)習(xí)，認識老人的家庭環(huán)境，理解老人的需求，但是目前，不管是從機器視覺方面，還是自然語言理解方面都面臨巨大的挑戰(zhàn)。

在英特爾中國研究院2018年媒體開放日上，英特爾的研究人員從計算機視覺、自然語言識別、強化學(xué)習(xí)等領(lǐng)域分享了英特爾的研究成果，讓我們看到未來機器人的發(fā)展方向。

目前的技術(shù)瓶頸

機器人進入家庭，首先需要認識主人，只有認識了主人才能進行全方位的服務(wù)，比如主人習(xí)慣什么時候起床，如果起床晚了是否需要進行提醒？喜歡吃什么食物，當(dāng)家里沒有了是否需要提醒子女購買？對于主人和重要物品，目前是基于深度學(xué)習(xí)，進行大量訓(xùn)練進行識別，但是即使進行了大量訓(xùn)練，可能有時候還會出錯，比如針對老花鏡進行了一萬張圖片的訓(xùn)練，人工智能還是有可能認錯主人的老花鏡。

另外，由于每個家庭的需求不同，機器人無法進行預(yù)編譯處理，需要個性化定制。比如有些人喜歡靜，家里不能隨便走動，有些人喜歡動，需要隨時滿足主人的呼喚。主人的起床時間不同，無法預(yù)先編程，需要根據(jù)個人的特點進行觀察。因此，做好機器人不僅需要人臉識別、底層語義分析，還需要高層語義分析，從而讓機器人的智能程度滿足個性化需求。

進入家庭后需要自主學(xué)習(xí)

現(xiàn)在的人臉識別一般是對正臉進行識別，對于側(cè)臉識別可能就沒有那么靈了，如果在家中機器人只能識別正臉將會發(fā)生很多尷尬，用戶的交互體驗也會大打折扣，因此有人想出了通過人體特征進行辨識，比如衣服，但是當(dāng)主人換了衣服機器人又無法辨識。英特爾所采取的方式是將人臉特征和人體特征相結(jié)合，人體特征不需要預(yù)先把人各種各樣的衣服都要看一遍或者姿態(tài)看一遍才能認，通過人體特征認人，而是通過人臉開始不斷地自我學(xué)習(xí)，機器人剛開始通過人臉識別主人，經(jīng)過一周的交互和觀察，可以從各個角度把主人準(zhǔn)確地識別出來。

因為主人可能會換衣服，機器人還會發(fā)生錯誤，這時候機器人需要和主人主動交互，把可能的錯誤進行確認，這是自我學(xué)習(xí)的認人功能。同時，英特爾還研發(fā)了一些自適應(yīng)物體識別，比如：藥瓶，通過對一幀的圖像標(biāo)注之后，把物體在線建一個模型，后續(xù)可以把這個物體的邊界準(zhǔn)確的分割出來，這等于認識物體是可以通過向用戶學(xué)習(xí)的過程實現(xiàn)。

機器人的主動學(xué)習(xí)和強化學(xué)習(xí)

讓機器人理解：“昨天我在客廳里吃藥，藥瓶去哪里了？”

在家庭生活中，王爺爺可能問機器人：昨天我在客廳里吃藥，藥瓶去哪里了？這個問題貌似非常簡單，可能三歲小朋友也能理解，但是對機器人來說里面有很難跨越的技術(shù)鴻溝。其中王爺爺是對人的識別，吃藥是動作識別，藥瓶是物體識別，這些需要底層識別模塊來實現(xiàn)。再看“昨天”和“客廳”這兩個關(guān)鍵詞，客廳是對空間的理解，昨天是對時間信的理解。如何讓機器人理解這句話？首先最底層要進行人物識別、物體識別、情緒檢測、動作檢測，接下來，有一個三維語義環(huán)境，就是把底層檢測到的信息和物理環(huán)境對應(yīng)起來，比如人在什么位置，物體在什么位置，這件事發(fā)生在什么位置，這些信息只有在三維語義環(huán)境的模塊中對應(yīng)上，機器人才能夠理解事件發(fā)生的意義。

英特爾利用三維語義環(huán)境和個性化知識庫這兩個模塊來解決這些問題，從底層的感知模塊走到應(yīng)用，但是底層的感知模塊不可能做到百分之百精準(zhǔn)。這個錯誤會往上層傳播，到了空間層，我們希望把底層的這些信息打上空間智能的標(biāo)簽，位置跟空間相對的情況，包括跟空間的三維建模，都是在這一層次進行的。理想的情況機器人到了家里，馬上建立空間模型，并且能夠理解空間的含義。到了知識庫層面，能夠很好的記憶這個知識，基于這個知識進行推理、應(yīng)用，但是目前的技術(shù)還存在問題，不可能做到百分之百精準(zhǔn)。

三維語義環(huán)境所做的是從感知層得到信息，比如藥瓶的位置，用坐標(biāo)的方式標(biāo)記出來，接下來空間智能要理解這個空間是客廳還是餐廳，到 這一層次才能跟人交流，進而判斷出客廳，然后順利在客廳找到藥瓶。

可以看出，空間智能主要的工作是快速對空間進行建模，并理解這個空間。關(guān)于個性化的知識圖譜，主要功能是記憶和推理，所面臨的最大挑戰(zhàn)來自于我們想記錄的知識。人類知識分兩塊：一塊是穩(wěn)定的知識，就像谷歌和Facebook力圖想存的知識，谷歌叫Google Graph，這些知識可以事先做好，并且經(jīng)過專家審核；另外一種是個性化知識，是動態(tài)變化的，機器人來到家庭之前無法提前獲取，為了獲取這樣的知識，我們的挑戰(zhàn)必須要有一個合適的知識表示，合適的知識推理，而且這個知識圖譜要能容忍底層產(chǎn)生的錯誤。

強化學(xué)習(xí)讓機器人能夠完成主動服務(wù)

當(dāng)機器人能夠理解語言的時候，說明機器人已經(jīng)具備了和人溝通的能力，但是想要實現(xiàn)真正的照顧別人，機器人需要更深的理解能力，不光是被動地去服務(wù)，還能主動的猜測主人的意圖。從王爺爺?shù)睦�子來看，�?dāng)王爺爺需要藥瓶時機器人可以拿給他是一種情況，如果機器人看到王爺爺在找東西，能夠猜測他想找藥瓶還是找水，就能提供主動服務(wù)。這里會用到強化學(xué)習(xí)，它教給機器人三個功能：一是如何學(xué)習(xí)新的能力；二是如何做的一次比一次好；三是如何主動地提供正確服務(wù)。

關(guān)于一次比一次做的好這一點，需要通過小樣本的強化學(xué)習(xí)來解決。我們希望機器人一次比一次做得好，需要猜測，而猜測本身也是需要優(yōu)化的。猜測的目的主要有兩方面，一是有時候不能進行標(biāo)注，比如王爺爺走向桌子可能是找水，走向柜子可能是找藥，但是這個事情無法去標(biāo)注，機器人需要去主動采集樣本，通過回報自己進行標(biāo)注。強化學(xué)習(xí)需要不斷探索和優(yōu)化，從而讓機器人更加智能。

當(dāng)然，機器人的學(xué)習(xí)還面臨巨大的挑戰(zhàn)，比如：人的關(guān)節(jié)都是全向關(guān)節(jié)，而機器人不能做到這一點，每一個關(guān)節(jié)只能向一個方向旋轉(zhuǎn)。如果我們希望把人的一個動作映射到機器人上，需要做一個推廣，使它能夠適應(yīng)機器人獨特的運動特性。另外，我們應(yīng)用時還要考慮到采樣成本的預(yù)算，當(dāng)學(xué)習(xí)一個新的性能時，機器人必須一次學(xué)會。我們需要考慮采樣成本和比較更高級的需求，來達到對于實際機器人學(xué)習(xí)來說可用的程度。

關(guān)于人工智能會替代人類的說法已經(jīng)深入人心，曾經(jīng)引來一波恐慌，聽完英特爾研究院的工程師講解，筆者覺得那個時代還很遙遠，機器人需要經(jīng)過漫長的自我學(xué)習(xí)才能達到熟練理解空間和語義的階段，要實現(xiàn)真正的智能似乎還需要計算能力和存儲能力的進一步的提高，硬件技術(shù)和軟件算法還需要很大的進步空間。