王馥芳：面向機器人的大規模知識引擎

近年來(lái)，隨著(zhù)計算機和網(wǎng)絡(luò )技術(shù)的快速發(fā)展，諸多大規模知識引擎的創(chuàng )建在很大程度上改變了人類(lèi)的知識共享和表征生態(tài)。受此啟發(fā)，美國康奈爾大學(xué)和斯坦福大學(xué)的一些學(xué)者通過(guò)多模態(tài)大數據挖掘，創(chuàng )建了一種新的、主要面向機器人的、同時(shí)能供任何要執行任務(wù)的設備自由訪(fǎng)問(wèn)的大規模知識引擎：機器人大腦（RoboBrain）。
機器人大腦：面向機器人的大規模知識引擎
在面向人類(lèi)的知識數據庫中，信息搜索是一件簡(jiǎn)單的事情，我們只需在電腦或移動(dòng)終端上輸入幾個(gè)字就可以得到答案，在很多情況下，模糊和缺省檢索也能解決問(wèn)題。但是，對于機器人來(lái)說(shuō)事情就沒(méi)有這么簡(jiǎn)單。即便要完成最簡(jiǎn)單的任務(wù)，機器人都需要詳盡甚而完備的操作細節?；诿嫦蛉祟?lèi)的搜索引擎所得出的搜索結果，機器人難以讀懂。比如，要使機器人讀懂“如何烘焙蛋糕”的搜索結果，除了指出常規的烘焙過(guò)程和步驟之外，還需要提供各種各樣詳盡的相關(guān)附帶信息，如雞蛋可以打破；打破雞蛋流出的液體必須裝在器皿如杯子里；杯子只有在杯口朝上的情況下才可以盛裝液體；水來(lái)自水龍頭，能夠在壺或者微波爐里加熱，且能夠和蛋液混合等等。因此，要創(chuàng )建一個(gè)面向機器人的大規模知識引擎不是一件簡(jiǎn)單的事情。

在人工智能產(chǎn)業(yè)發(fā)展前景被普遍看好的當下，康奈爾大學(xué)和斯坦福大學(xué)聯(lián)合創(chuàng )建了一個(gè)面向機器人的大規模知識引擎——機器人大腦，并為此創(chuàng )建了一個(gè)網(wǎng)站。這主要是一個(gè)供機器人學(xué)習和共享知識表征并執行多種任務(wù)的大規模知識引擎。
“機器人大腦”網(wǎng)站的首頁(yè)顯示，該知識引擎主要通過(guò)搜索互聯(lián)網(wǎng)及其他一些數據來(lái)源學(xué)習各種概念：“它能解釋自然語(yǔ)言文本，意象和錄像；能運用其傳感器來(lái)觀(guān)察人類(lèi)；且能通過(guò)與它們互動(dòng)的方式來(lái)學(xué)習事物?！眲?chuàng )建者相信，通過(guò)學(xué)習和共享大規模知識，不同的機器人能夠在各種新情境下更快速敏捷地完成各種任務(wù)?！皺C器人大腦”的創(chuàng )建改變了機器人的深度學(xué)習方式。傳統上，機器人學(xué)習的重心是規則學(xué)習。隨著(zhù)大數據時(shí)代的到來(lái)，機器人開(kāi)始從規則學(xué)習轉向多模態(tài)數據學(xué)習。
機器人大腦：使機器人深度學(xué)習成為可能
“機器人大腦”本質(zhì)上是一個(gè)大規模眾源（crowd-sourcing）大數據庫，它所存儲的知識來(lái)源多樣，包括機器人在完成各種任務(wù)（如感知、計劃和控制等）時(shí)所關(guān)涉的物理互動(dòng)、萬(wàn)維網(wǎng)知識基礎以及領(lǐng)先的機器人研究小組所創(chuàng )建的各種可學(xué)習性知識表征。
“機器人大腦”的創(chuàng )建在很大程度上改變了大數據挖掘過(guò)度依賴(lài)單一文本數據模態(tài)來(lái)源的現狀。受制于技術(shù)局限性，面向人類(lèi)的大規模知識引擎的數據來(lái)源主要是萬(wàn)維網(wǎng)中“結構化”的文本模態(tài)數據，而無(wú)法有效挖掘其他一些“非結構化”的數據模態(tài)如符號、圖片、視頻、音頻等?！敖Y構化數據”主要指能被數據庫所理解的、可以被邏輯表征的數據，而“非結構化數據”主要指無(wú)法被邏輯表征的數據，主要包括多種數據模態(tài)：文本、圖片或圖像、觸感、XML、HTML、各類(lèi)圖表或報表、音頻和視頻信息等等。
據資料統計，在大數據變革風(fēng)起云涌的今天，世界約80%的數據都是“非結構化數據”。在云計算出現之前，傳統計算機無(wú)法處理這些巨量數據。借助于以云計算為基礎的信息挖掘、存儲、處理和展示技術(shù)，我們可以在某種程度上有效地對其進(jìn)行分析和計算。如此一來(lái)，“非結構化數據”的價(jià)值得到極大凸顯。由于面向機器人的知識引擎在很大程度上是由“非結構化數據”組成的，而其本質(zhì)上又是眾源數據，因此，如何有效編碼多種不同的數據模態(tài)并構建一個(gè)能與多種數據來(lái)源兼容的知識表征構架是“機器人大腦”面臨的最大挑戰。為此，“機器人大腦”訴諸于圖表構架以解決不同數據模態(tài)之間的沖突和不一致問(wèn)題。
研究小組將“機器人大腦”知識表征構架的創(chuàng )建看作是網(wǎng)絡(luò )理論問(wèn)題。他們把知識表征為定向圖表，其中的節點(diǎn)以各種各樣的數據模態(tài)體現，如圖像、文本、視頻、觸覺(jué)數據或者學(xué)術(shù)概念等?！皺C器人大腦”是一個(gè)“無(wú)止境學(xué)習”的知識引擎，它不間斷地實(shí)時(shí)獲取以邊集形式呈現的新信息，這些新信息通過(guò)和節點(diǎn)子集鏈接的方式得到表征。例如，“坐著(zhù)的人可以使用杯子”這一常識概念可能會(huì )鏈接“杯子”、“坐著(zhù)的人”和“能夠使用”等節點(diǎn)概念（即檢索的中心概念，以檢索與該概念直接相關(guān)的概念）。任何在“機器人大腦”中搜索節點(diǎn)概念的機器人，都可以通過(guò)下載相關(guān)邊集和它們所代表的節點(diǎn)概念來(lái)進(jìn)行深度學(xué)習。
“機器人大腦”的核心是，不但讓機器人通過(guò)搜索大規模知識引擎自我深度學(xué)習，而且意圖使其將一個(gè)情境中學(xué)到的知識應用于其他新情境。例如，將“倒水到杯子里”的能力擴展到倒水到其他容器里，如倒洗澡水到澡盆里等?！皺C器人大腦”團隊對于未來(lái)有著(zhù)宏大的計劃：讓該知識引擎納入更加多樣的知識來(lái)源，如在線(xiàn)視頻，并設想讓機器人通過(guò)查詢(xún)在線(xiàn)指引視頻學(xué)會(huì )如何做各種各樣的家務(wù)。
此外，“機器人大腦”著(zhù)力于解決不同領(lǐng)域的研究挑戰：機器學(xué)習、大規模資料處理、語(yǔ)言和對話(huà)、感知、人工智能和推理系統、體驗和機器人學(xué)以及自動(dòng)化。該知識引擎的創(chuàng )建有助于三個(gè)重要研究領(lǐng)域的工作：基礎自然語(yǔ)言、感知和計劃。這三項工作是很多機器人完成任務(wù)的關(guān)鍵要素。
機器人大腦：將進(jìn)一步拓展人工智能產(chǎn)業(yè)前景
“機器人大腦”的創(chuàng )立，標志著(zhù)人類(lèi)在人工智能產(chǎn)業(yè)化的道路上又邁出了實(shí)質(zhì)性的一步。雖然其在目前初創(chuàng )階段，還面臨諸多技術(shù)難題和構架創(chuàng )建挑戰，但是，其在諸多方面的技術(shù)潛力無(wú)疑將進(jìn)一步助推人工智能產(chǎn)業(yè)的發(fā)展。
其一，“機器人大腦”試圖對不同數據模態(tài)進(jìn)行有效編碼和表征，此舉意在試圖實(shí)現“非結構化數據”向“結構化數據”的轉換，以使之能被機器人學(xué)習、理解，進(jìn)而運用其完成各種任務(wù)。此舉不但極大地拓展了機器人學(xué)習的內容、深度以及學(xué)習的復雜性，而且革新了機器人的學(xué)習方式。經(jīng)過(guò)多模態(tài)數據學(xué)習訓練的機器人有望在智能化方面更加“類(lèi)人化”，從而進(jìn)一步加快人工智能產(chǎn)業(yè)化的發(fā)展步伐。
其二，“機器人大腦”試圖在一定程度上消除機器人和人類(lèi)使用者在信息共享中的障礙，此舉有助于進(jìn)一步增強人機互動(dòng)的質(zhì)和量，并加快人工智能和人類(lèi)智能的進(jìn)一步融合。
其三，“機器人大腦”試圖把各種機器人任務(wù)公式化為各種問(wèn)題，從而為各種人機交互任務(wù)的完成提供一個(gè)問(wèn)題驅動(dòng)的知識學(xué)習和任務(wù)訓練數據庫。此舉有助于進(jìn)一步提高機器人完成任務(wù)的概率，并可能催生出新的智能化產(chǎn)品。
其四，由于“機器人大腦”的數據來(lái)源多樣，因此，其團隊致力于構建一種能和多種數據來(lái)源兼容的圖表表征構架。這個(gè)目標的最終達成將在很大程度上解決因多種信息源之間的沖突或不一致而導致的“數據不可讀”問(wèn)題，并將極大地便利人工智能大數據的挖掘、生成、存儲、管理、查詢(xún)、提取、處理以及展示等，從而拓展其產(chǎn)業(yè)化前景。
在“人工智能”已發(fā)展成一個(gè)商業(yè)前景廣闊的產(chǎn)業(yè)的背景下，“機器人大腦”的創(chuàng )建無(wú)疑為其注入了一針強心劑。