让机器人理解：“昨天我（wǒ）在客厅（tīng）里吃药，药瓶（píng）去哪里了？”

在家庭生活中，王爷爷（yé）可能（néng）问机器人：昨天我（wǒ）在客厅里吃药，药瓶去哪（nǎ）里了？这个问题（tí）貌似非常简单，可能三岁小朋友也能（néng）理解，但是对机器人来说里面有很难（nán）跨越（yuè）的技术鸿沟（gōu）。其中王爷爷是对人的识别，吃药是动（dòng）作识别（bié），药瓶是物（wù）体识别，这些需要底（dǐ）层识别模块来实现。再看（kàn）“昨（zuó）天”和“客（kè）厅（tīng）”这两个关键词（cí），客厅是对空间的理解，昨天是（shì）对时间信的理解。如何让（ràng）机器人理解（jiě）这（zhè）句话？首（shǒu）先最底层要进行人物识（shí）别、物体识别、情绪检测、动作检测，接下来，有一个三（sān）维（wéi）语义环境，就是（shì）把底（dǐ）层检测到的信息（xī）和物理环境对应（yīng）起来（lái），比如人在什么位置，物（wù）体（tǐ）在（zài）什么位置，这件（jiàn）事发生在什么位置，这（zhè）些（xiē）信（xìn）息只有在三维语义环（huán）境（jìng）的模块（kuài）中对应上，机（jī）器人才能够理解事（shì）件发生的意义。

英特（tè）尔利用三（sān）维语义（yì）环（huán）境和个性化（huà）知识（shí）库这两个模块来解决这些问题，从底层（céng）的感知模块走（zǒu）到（dào）应（yīng）用，但是（shì）底层的感知（zhī）模块不（bú）可能（néng）做到百分（fèn）之百精准（zhǔn）。这个错误会往（wǎng）上（shàng）层（céng）传播，到了（le）空间层，我们希（xī）望把（bǎ）底层的这（zhè）些信息打上（shàng）空间智能的标签，位置跟空间相对（duì）的（de）情况，包括跟空（kōng）间（jiān）的三维建模，都是（shì）在这一（yī）层次进行的。理想（xiǎng）的情况（kuàng）机器人到了家里（lǐ），马（mǎ）上建立（lì）空间模（mó）型，并（bìng）且能够理解空间的（de）含义。到了（le）知识库（kù）层面，能够（gòu）很好的记（jì）忆这个知识（shí），基于（yú）这个知识进（jìn）行推（tuī）理、应用（yòng），但是目前的技术还存在问题，不可能做到百分（fèn）之百精（jīng）准（zhǔn）。

三维语义（yì）环境所做的是从（cóng）感知（zhī）层（céng）得到信息（xī），比如药瓶的位（wèi）置，用（yòng）坐（zuò）标的（de）方式标记出来，接（jiē）下（xià）来空间智能要理解这个（gè）空间（jiān）是客厅还是餐厅，到 这（zhè）一层次才能跟人交流，进而判（pàn）断出客厅，然后（hòu）顺利（lì）在（zài）客（kè）厅找到药瓶。可以看出，空间智能主要的（de）工作是快速对空间进行建模，并理解这个空间。关于个性化的知识图谱，主要功（gōng）能是记忆和推理，所面临的（de）最大挑战来自于我们想记录（lù）的知识。人类知识（shí）分两块：一块是稳定的（de）知识，就像谷歌和Facebook力图想存的知识，谷歌叫Google Graph，这（zhè）些知（zhī）识可以事（shì）先做好，并且经过专家审核；另（lìng）外一种（zhǒng）是个性化知识，是动态（tài）变（biàn）化（huà）的（de），机器人来到家（jiā）庭之前（qián）无（wú）法提前获取，为了获取这样的知识，我们的挑战必须要（yào）有一个合适的知识表（biǎo）示（shì），合（hé）适（shì）的知识推理，而且（qiě）这个知识图谱要能容忍底层产生的错误。

强化（huà）学习让（ràng）机器人能够完（wán）成（chéng）主动（dòng）服务

当（dāng）机器人能够（gòu）理解语（yǔ）言（yán）的时（shí）候，说（shuō）明机器人（rén）已经具备（bèi）了和人沟通的能（néng）力，但是想要（yào）实现真正的照（zhào）顾（gù）别人，机器（qì）人需要更深的理解能力，不光是被动地（dì）去服（fú）务，还能主动的猜测主人的意图。从王爷爷的例子来看，当（dāng）王爷爷需要药瓶（píng）时机器人（rén）可以拿给他是一（yī）种（zhǒng）情况，如果机（jī）器人看到王爷爷在找东（dōng）西（xī），能够猜测他（tā）想找药瓶还是（shì）找水，就能提供（gòng）主动服务（wù）。这里会用到（dào）强化（huà）学习，它（tā）教给（gěi）机器人三个（gè）功能：一（yī）是如（rú）何学习新的（de）能力；二是（shì）如（rú）何（hé）做（zuò）的一次比一次好；三（sān）是如何主动地提（tí）供正确服务。

关于一次比（bǐ）一次做的好这一点（diǎn），需要通过小样本的强化（huà）学习（xí）来解决（jué）。我们希望机器人一次比一次做得好，需要猜（cāi）测，而猜测本身也是（shì）需要优（yōu）化的。猜测的（de）目的主要有两方面，一是有（yǒu）时候不能进行标注，比如（rú）王爷爷走向桌（zhuō）子可能是找水，走向柜子可能是找（zhǎo）药，但（dàn）是这个事情无法去标注，机器人需要去主动采集样本（běn），通（tōng）过回报自己进行标注。强化学习需要（yào）不断探索和优（yōu）化，从（cóng）而让机器人更加智能（néng）。

当然（rán），机（jī）器人的学习还面（miàn）临（lín）巨大的挑战，比如（rú）：人的关（guān）节都是全向关（guān）节，而机器人不能做到（dào）这（zhè）一点（diǎn），每一个关节只能向一个方（fāng）向旋转。如（rú）果我（wǒ）们希望把人（rén）的一（yī）个动（dòng）作映射到机器人上，需要做一个推广，使它能够适应机器人独特的运动特性（xìng）。另外，我们应用（yòng）时还要考（kǎo）虑到采样成本的预算（suàn），当学习一个（gè）新的性能时，机器人必（bì）须一（yī）次学会。我（wǒ）们需（xū）要考（kǎo）虑采样（yàng）成本（běn）和比较更高级的需求，来达到对于实际机器（qì）人学（xué）习来（lái）说可用的程度。

关于人工智能会替代人类（lèi）的说法已经深入（rù）人心，曾经（jīng）引来一波（bō）恐慌，听完英（yīng）特尔研究院的工程师讲解（jiě），笔者觉（jiào）得那个时（shí）代还很遥远，机器人需要经过漫（màn）长（zhǎng）的（de）自我学习才能达到熟练理解空间和（hé）语义（yì）的阶（jiē）段，要实现真正的（de）智能似乎还需（xū）要计算能力和存（cún）储能力（lì）的（de）进一步的提高，硬件技术和软（ruǎn）件算法还（hái）需要很大（dà）的进步空间。