机器人＂能文能武＂ 还差些感性与思考

近年，人工智能技术愈发火热，机器人正在实现越来越多的功能。据《华尔街日报》消息，NII (*立情报学研究所)最新研发的人工智能(AI)技术已经可以在日本高考中考取511分的成绩。日本大学入学考试总分为950分，而日本全国高考平均水平为416分，这就意味着这款“考试机器人”有80%的几率被日本441家私立大学及33所全国性大学录龋无独有偶，在即将于北京召开的2015世界机器人大会上，将会举办机器人足球明星表演赛，届时，RoboCup机器人足球世界杯的国际、国内冠军联队都将登场，展示机器人的体育能力。

随着技术的发展，机器人变得“能文能武”，许多对于人类来说复杂的事情对于他们都很简单。不过，在一些需要思考与凭感性认知的问题上，机器人却显出了其“短板”。

一、文能上考场，武能上球场，人工智能技术愈发成熟

日本这款机器人AI项目被称为“东大机器人项目（Todai Robot Project）”，由日本NII研发。其最终目的是希望这款名为“Torobo坤”的考试机器人能够在2012年通过日本*学府东京大学的入学考试。这一项目始于2011年，有超过100名的研究人员参与其中。“Torobo坤”从2011年开始参加高考以来，连续两年的得分都低于平均分数线。此次511分的高考成绩是这一项目启动以来的最高成绩，这次考试包括数学、英语、历史等一系列科目。而且有趣的是，在这款“考试机器人”的高考成绩中，数学和历史分数很高，而物理成绩较差。虽然它能够回答许多物理问题，但其语言组织能力还不够。

在今年，中国的科大讯飞公司也加入了“东大机器人项目”的研究。该项目负责人、NII教授荒井纪子表示，科大讯飞在今年五月发邮件表示欲与NII共同开发考试机器人。荒井纪子说：“中国将推出一个*的项目，此项目为开发出能够通过大学入学考试的机器人，中国为此付出了巨大的努力，已经做出了前三年的预算，此预算相当于3个十亿日元”。中国开发机器人的目的，是使机器人在高考中能够通过中国一流大学的入学考试。

除了“学霸属性”的AI机器人，还有“体育健将属性”的AI机器人。这几天，中国男足又成为各大媒体及舆论调侃的对象，球迷们纷纷感叹此生出线无望。但与之相比机器人球队的表现却出人意料。早在2001年，中国科大就组建了机器人足球蓝鹰队（WrightEagle）。与男足不同的是，这支机器人足球队是全球最为优秀的队伍之一，也是我国第一支RoboCup（Robot World Cup机器人世界杯足球锦标赛）团队。在历次*和国际级比赛中取得了辉煌战绩，特别是在2D仿真机器人足球与仿真机器人足球这两个比赛项目上远远领先于其他队伍，甚至取得过世界冠军的好成绩。2008年，我国组建了第一支NAO机器人球队，当年就获得了机器人世界杯比赛的亚军。

说起RoboCup的来源，可以回溯到1992年。当时，哥伦比亚大学教授Alan Mackworth在其论文《On Seeing Robots》中，提出了让经过训练的机器人来进行足球比赛的假想。1993年，在东京举办了一场名为Robot J-League的机器人足球比赛，这场比赛就是RoboCup的前身。如今，RoboCup已举办了19届，并成为了全球范围内最为顶尖的机器人赛事。RoboCup对参赛者的各方面素质都有极高的要求，除了要求能够通过对AI机器人的感知、学习以及决策能力的考验以外，还要求机器人能够在人类足球规则内完成比赛，与真实的赛事并无多大差别。RoboCup的终极目标是希望通过举办大规模的机器人比赛，来促进AI领域的研发与推广。

能文能武，全方位发展的机器人让我们感受到了人工智能技术的逐渐成熟。但是，在一些感性与需要思考的问题上，机器人还是不能出色地完成任务。

二、不够感性的AI仍需进一步发展，强人工智能时代或将到来

虽然人工智能机器人技术愈发成熟，但是有些东西机器人还是无法进行很好地理解，在一些需要凭借感性和直觉来做出分辨和选择的事情上，机器人会显得异常笨拙。比如机器人无法分辨阴影，无法判断立体图形，也无法从面部表情来判断人的喜怒哀乐。在这一方面，人工智能机器人还远远未能达到要求。算机科学家Donald Knuth说：“人工智能已经在几乎所有需要思考的领域都超过了人类，但是在那些人类和其他动物不需要思考就能完成的事情上，它还差得很远”。

想要解决这一问题，目前有两种途径。

第一，可以通过“人脑工程”等技术对人脑进行模仿

人脑工程的核心是信息和计算机技术。该项目将开发能够实现神经信息学、脑部模拟和超级计算的信息和计算机技术平台，以集合世界各地的神经科学数据，并整合于统一的模型来模拟人脑，比对生物学数据并与全世界科学界共同分享资源。最终目标是使神经学家能够将基因、分子和细胞与人类认知和行为连接起来。

近日，中国科技部，国家自然基金委等相关部门决定联合启动“中国脑计划”。此前，在人脑工程这一项目上，其他国家曾进行了大量的投入。比如欧盟斥资10亿欧元、美国投资30亿美元支持本国的“人脑工程”项目研究。一旦这一项目成功，我们就可以使机器人以更加贴近人类的方式进行思考。但是，由于人类大脑固有的复杂性以及技术存在的瓶颈，这一项目的开发还有待时日。

第二，可以通过“遗传算法”模仿生物的进化过程，让人工智能在这一过程中慢慢拥有感性认知的能力

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。最初由美国Michigan大学J.Holland教授于1975年提出。并在《Adaptation in Natural and Artificial Systems》一书中做出了详细的阐述。

遗传算法广泛应用在生物信息学、系统发生学、计算科学、工程学、经济学、化学、制造、数学、物理、药物测量学和其他领域之中。这一技术应用在人工智能中的大概过程就是先建立一组自动评价系统，之后通过类似生物繁殖的方式不断运作，优胜劣汰，最终优秀的程序会使人工智能愈发强大，这也是人工智能自我学习的原理之一。但是，真正的进化需要几亿乃至几十亿年的时间，而通过技术用几十年的时间达到几亿年的效果难度是极大的，这还需要技术的进一步成熟。

但是，我们的身边，人工智能其实无处不在。比如汽车的防抱死系统，手机上的语音助手、地图导航，网上的翻译软件等等，都是人工智能，不过它们都属于弱人工智能。弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。而我们现在正站在弱人工智能和强人工智能的临界点上，虽然人类在时间轴上是无法看到未来的，但是改变确实在我们不知不觉中就悄然发生。2014年6月7日，人工智能软件Eugene Goostman通过了“图灵测试”，也让我们意识到如果在强人工智能时代到来之后，我们会分不清人与机器，而这恰恰涉及到伦理问题。

对于强人工智能时代的到来，我们还未完全做好准备。但是，改变在切实发生着，随着技术的成熟，人工智能会在感性方面逐渐增强，我们应该要学会适应人工智能由弱到强的转变，才有可能与之平等和谐地生活在一起。