2021世界機(jī)器人大會(huì)第一天線下主論壇——“領(lǐng)航峰會(huì)”群星璀璨，產(chǎn)、學(xué)、研各領(lǐng)域大咖齊聚首，共話巔峰，為機(jī)器人未來(lái)發(fā)展領(lǐng)航。

峰會(huì)現(xiàn)場(chǎng)，中國(guó)科學(xué)院院士、清華大學(xué)人工智能研究院院長(zhǎng)張鈸上臺(tái)發(fā)言，演講主題為《人工智能與機(jī)器人》。以下為張鈸院長(zhǎng)演講內(nèi)容全文整理。

大家好，我主要是搞人工智能的，二十多年前也搞過機(jī)器人，所以今天是從人工智能的角度談機(jī)器人的問題，主要包括幾個(gè)方面：機(jī)器人和人工智能的關(guān)系，也就是機(jī)器人應(yīng)該如何定位，如何擴(kuò)大機(jī)器人的應(yīng)用場(chǎng)景，現(xiàn)在機(jī)器人要發(fā)展和產(chǎn)業(yè)化，最關(guān)鍵的問題就是如何擴(kuò)大應(yīng)用場(chǎng)景，最后就是如何從結(jié)構(gòu)化環(huán)境走向非結(jié)構(gòu)化環(huán)境，人工智能會(huì)在其中起到什么作用。

可能大家對(duì)人工智能都比較感興趣，但大多數(shù)人對(duì)人工智能有很多誤解。人工智能究竟是干什么的？很多人都以為人工智能是用來(lái)模擬人類的智能，這個(gè)理解是錯(cuò)的，因?yàn)槲覀儗?duì)什么叫做人類的智能是說(shuō)不清楚的，我們連智能都定義都不清楚，怎么可能利用智能定義人工智能？所以人工智能不是用機(jī)器模擬人類的智能，而是用機(jī)器來(lái)模擬人類的智能行為。

大家注意這里多了兩個(gè)字，模擬智能和模擬智能行為是完全不同的。舉個(gè)例子，我們沒法模擬人類的情感，因?yàn)槲覀儾恢涝趺炊x，什么叫做快樂、什么叫做痛苦，快樂和痛苦在人類大腦和心理發(fā)生什么變化，到今天為止我們還不是很清楚，在這種情況下，我們不可能用機(jī)器模擬人類的痛苦和快樂，那我們用機(jī)器模擬人類的感情，模擬什么呢？模擬感情的表現(xiàn)，痛苦和高興地表現(xiàn)自己的行為。大家知道情感主要是從三個(gè)方面表現(xiàn)：臉部表情，你高興得眉開眼笑，還有語(yǔ)言和聲音，高興得哈哈大笑，肢體動(dòng)作，高興得手舞足蹈。

我們從人類的面部表情、語(yǔ)言、發(fā)表的言論和動(dòng)作判定你對(duì)這個(gè)事情的態(tài)度，這是情感分析，究竟是贊成還是反對(duì)，所以應(yīng)該說(shuō)人工智能是用機(jī)器模擬人類的以下四個(gè)方面的智能行為，理性行為包括感知和動(dòng)作，此外還有情感和靈感等等。人工智能就是要模擬人類的這樣四個(gè)智能行為，那么大家肯定知道機(jī)器人和這個(gè)很相似。我們要做出一個(gè)機(jī)器，它的表現(xiàn)跟人相似，至于機(jī)器腦子里是不是這么想的，這不是人工智能現(xiàn)在要回答的問題，而是由心理學(xué)家和腦科學(xué)家逐步回答的問題。

但在這里有一個(gè)區(qū)別，機(jī)器人做的是機(jī)器，人工智能做的是智能體，就是用Agent來(lái)描述它，而不是智能機(jī)器，為什么？因?yàn)槿斯ぶ悄懿还庖鰴C(jī)器，還要做軟件、做器件，包括智能芯片，所以用智能體概括人工智能不僅要做硬件、做機(jī)器，還要做軟件、做系統(tǒng)、做元器件，這一點(diǎn)是和機(jī)器人有所區(qū)別的。

應(yīng)該怎么定義機(jī)器人？我專門找了網(wǎng)上的定義，這里有非常不同的層次，最低的層次就是看成一個(gè)數(shù)字化設(shè)備，操作手可以通過程序控制，這是最低的層次，最高的層次幾乎跟人工智能一樣定義，具有認(rèn)知、感知和情感的機(jī)器。實(shí)際上對(duì)機(jī)器人的理解寬度很大，最底層就是可編程的機(jī)器，最高層就是有各種各樣的智能的機(jī)器，我們?cè)诂F(xiàn)階段應(yīng)該怎樣看待機(jī)器人？我的看法是對(duì)機(jī)器人的認(rèn)識(shí)是逐步的，也有一個(gè)發(fā)展的過程，大多數(shù)人認(rèn)為機(jī)器人應(yīng)該這樣定義，包括三大部分：感覺或者感知，可能通常做不到感知，只能做到感覺，后面就是操作器、消音器等等，中間的部分目前主要還是集中在控制、編程這些領(lǐng)域，智能的成分要逐步增加。

之前參加前幾屆的時(shí)候提出的是智能機(jī)器人，所以我們?cè)O(shè)計(jì)了五個(gè)部分：機(jī)構(gòu)、控制、傳感器、視覺和人工智能，我是負(fù)責(zé)人工智能的，那個(gè)時(shí)候最主要的任務(wù)是在機(jī)構(gòu)和控制，雖然我負(fù)責(zé)人工智能，但我?guī)缀鯖]法布置人工智能項(xiàng)目，當(dāng)時(shí)我布置的人工智能項(xiàng)目主要是兩個(gè)內(nèi)容：機(jī)器人的運(yùn)動(dòng)規(guī)劃和任務(wù)規(guī)劃，所以當(dāng)時(shí)只是一個(gè)參與研究，根本入不了機(jī)器人主題的主要部分，但前年我到以色列碰到以色列的教授辦的一個(gè)公司，專門做機(jī)器人的任意規(guī)劃和運(yùn)動(dòng)，所以我們可以認(rèn)識(shí)人工智能是不斷地、逐漸地深入到機(jī)器人，不是一步到位的。

人工智能怎么介入機(jī)器人的發(fā)展過程？機(jī)器人和人工智能有很多重疊的地方，但我覺得機(jī)器人更要面向任務(wù)、面向應(yīng)用。我們來(lái)看機(jī)器人和人的整個(gè)發(fā)展過程，可以看到中間有沒有交集，現(xiàn)代機(jī)器人的發(fā)展差不多也是上個(gè)世紀(jì)五十年代，跟人工智能差不多的時(shí)候，人工智能是1956年，機(jī)器人大致也是這樣，但我們可以看一看兩個(gè)發(fā)展的進(jìn)程非常不一樣。機(jī)器人基本上是平穩(wěn)發(fā)展，起伏不大，人工智能是起伏極大，一會(huì)兒高興一會(huì)兒低潮，那么人工智能在機(jī)器人今后的發(fā)展中會(huì)起到什么作用？

最初開始機(jī)器人是在美國(guó)實(shí)驗(yàn)室做的，六十年代主要是這兩個(gè)體系：比如斯坦福的機(jī)器人機(jī)械臂，工業(yè)機(jī)器人還沒有出來(lái)，就是叫做Manipulator操作手，另外就是這樣一個(gè)車，差不多六十年代的時(shí)候就是這兩個(gè)實(shí)驗(yàn)，這是現(xiàn)代機(jī)器人的兩個(gè)雛形，一個(gè)就是機(jī)械臂的發(fā)展，一個(gè)就是移動(dòng)機(jī)器人的發(fā)展。

機(jī)器人產(chǎn)業(yè)派出了兩個(gè)分支：一個(gè)是以多關(guān)節(jié)機(jī)械手為代表，最早用于制造業(yè)，后來(lái)就是千方百計(jì)地希望用到其它領(lǐng)域，有的是建筑用的，有的是電線用的，就是機(jī)器人巡檢和建筑，大家應(yīng)該認(rèn)識(shí)到，那個(gè)時(shí)候叫做特種機(jī)器人，這是一條發(fā)展的路徑，大家可以看出走得還是很艱難的，不是機(jī)械臂那樣一下子形成大市場(chǎng)，那么問題在哪里？

首先是安全性，我們?nèi)绻饕性诳刂频脑?，比如醫(yī)療機(jī)器人、手術(shù)機(jī)器人，也是類似機(jī)械臂那樣，但對(duì)安全性的要求有多高？國(guó)內(nèi)也有很多大型醫(yī)院購(gòu)買達(dá)芬奇機(jī)器人，最早的時(shí)候是1000萬(wàn)美金，現(xiàn)在變成1000-2000萬(wàn)人民幣，已經(jīng)做了兩三百萬(wàn)次手術(shù)，因?yàn)闄C(jī)器人故障死了80個(gè)人，今后還會(huì)死人的，主要就是因?yàn)榭刂瞥雒?，或者漏電或者控制系統(tǒng)有問題，我們要將機(jī)器人變成產(chǎn)業(yè)，而且還要求既廉價(jià)又可靠，這對(duì)產(chǎn)業(yè)來(lái)講是最大的困難，要是高質(zhì)量廉價(jià)我們會(huì)干，但又廉價(jià)又可靠很難，需要大家下功夫。故障的主要原因還是機(jī)構(gòu)和控制，這跟人工智能沒關(guān)系。

剛才講到可靠性，另外就是應(yīng)用場(chǎng)景，我們要為機(jī)器人選擇一個(gè)好的應(yīng)用場(chǎng)景不是很容易的，最近做的機(jī)器人主要就是教育、小型裝備這些領(lǐng)域，基本上可以做到年產(chǎn)量1萬(wàn)臺(tái)，這在中國(guó)還算是不小的了，而且大部分是出口，其實(shí)是改變了應(yīng)用場(chǎng)景，因?yàn)樵瓉?lái)一個(gè)傳統(tǒng)的制造業(yè)，特別是大型高精度高速，我們肯定不如國(guó)外，改變應(yīng)用場(chǎng)景以后完全可以自主生產(chǎn)，所以這也是一個(gè)非常好的例子，國(guó)家也很重視，目前出口還是占了很大比例，所以我們要做傳統(tǒng)機(jī)器人，擴(kuò)大應(yīng)用場(chǎng)景，這本身就是一個(gè)非常大的創(chuàng)新。

現(xiàn)代工業(yè)機(jī)器人是美國(guó)人發(fā)明的，日本人買去專利，把它發(fā)展成為產(chǎn)業(yè)，這是非常了不起的，特別是和汽車制造業(yè)結(jié)合起來(lái)，才能使得機(jī)械臂變成一個(gè)產(chǎn)業(yè)，美國(guó)人沒有把它變成產(chǎn)業(yè)。

另外一條路就和移動(dòng)機(jī)器人類似，現(xiàn)在用的比較多的就是倉(cāng)庫(kù)里面，包括無(wú)人機(jī)、水下機(jī)器人，為什么機(jī)器人在這些領(lǐng)域得到應(yīng)用，其它領(lǐng)域卻比較困難？就是我們下面要講的最重要的問題，如何突破從結(jié)構(gòu)化到非結(jié)構(gòu)化的環(huán)境？這就需要人工智能，下面我用幾個(gè)例子說(shuō)明。

機(jī)械臂最早的PUMA就是多關(guān)節(jié)，之后變成工業(yè)機(jī)器人，七十年代到八十年代就是這些，現(xiàn)在要把它推廣到一個(gè)相對(duì)非結(jié)構(gòu)化的環(huán)境，所謂機(jī)械臂的非結(jié)構(gòu)化環(huán)境就是有人參與，最近提出了協(xié)作機(jī)器人這個(gè)概念，意思就是過去機(jī)器人肯定可以分開，大的機(jī)械臂在那里必須用鐵柵欄圍起來(lái)，否則不安全，現(xiàn)在能夠和人交互，環(huán)境就已經(jīng)變成非結(jié)構(gòu)化了。

要想解決非結(jié)構(gòu)化環(huán)境的問題，必須把感知和動(dòng)作結(jié)合起來(lái)，你們要做的動(dòng)作是把感知和動(dòng)作連接起來(lái)，因?yàn)楦銠C(jī)器人的人對(duì)反饋的概念非常清楚，因?yàn)檫@里必須要用反饋，但人工智能缺少反饋的概念，所有搞計(jì)算機(jī)的人都缺少這個(gè)概念，因?yàn)檠芯康臇|西都是開放的算法，所以我覺得可以是人工智能和機(jī)器人結(jié)合是非常重要的點(diǎn)，而且你們可以做好。

協(xié)作機(jī)器人原來(lái)是美國(guó)Brook教授做的，可以柔順控制，不會(huì)碰到周圍的事物，如果碰到的話?cǎi)R上速度就會(huì)降下來(lái)，但始終形不成產(chǎn)業(yè)。最近我們國(guó)家把這項(xiàng)專利買下來(lái)了，就是我們有沒有可能把它發(fā)展成為一個(gè)產(chǎn)業(yè)，因?yàn)榭梢杂迷诜墙Y(jié)構(gòu)化的環(huán)境下，所以對(duì)我們來(lái)講這也是一個(gè)考驗(yàn)。我國(guó)有沒有可能干成這件事？我覺得有可能，因?yàn)橛泻艽蟮男枨?，只有在有需求的情況下才能找到應(yīng)用場(chǎng)景。

過去我們也做過不少移動(dòng)機(jī)器人，基本上從美國(guó)開始，中國(guó)早期也是集中在搞越野的，慢慢地越野的任務(wù)就轉(zhuǎn)向軍方和自動(dòng)駕駛車輛，目前來(lái)講全世界都非常重視，就是走向自動(dòng)駕駛是必然的道路，大家可能也知道這一點(diǎn)。

自動(dòng)駕駛最重要的就是感知部分，也就是說(shuō)汽車必須可以感知周圍的環(huán)境，這里涉及的問題就比較多了，傳感技術(shù)的問題，這些當(dāng)然還是屬于機(jī)械手，移動(dòng)機(jī)器人主要是視覺傳感器，包括多模態(tài)，我們用攝像機(jī)或者其它標(biāo)志感知周圍環(huán)境，這在人工智能看來(lái)就是深度學(xué)習(xí)，我們現(xiàn)在就要說(shuō)這個(gè)技術(shù)可不可靠。我們用攝像機(jī)識(shí)別周圍的行人車輛，人工智能基本上可以做到這些，無(wú)論是圖像、語(yǔ)音還是文本都是用所謂的深度神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)。

大家都知道深度學(xué)習(xí)采用模式識(shí)別、人臉識(shí)別、圖像識(shí)別，原來(lái)誤識(shí)別率是50%，現(xiàn)在深度學(xué)習(xí)一下子降到3.57%，但我可以告訴大家，這個(gè)算法是非常有問題的，存在事故，不安全、不可靠、不可信、不宜推廣，這是信息時(shí)代我們沒有遇到過的問題，往往是設(shè)計(jì)大型軟件時(shí)的漏洞造成的，我在很多場(chǎng)合下都說(shuō)無(wú)人駕駛一定要非常慎重，可能在倉(cāng)庫(kù)人少的地方可以，但人流復(fù)雜的情況下要非常慎重。

圖中的廣告是噪聲，把這種廣告放在車的后艙，廣告只是噪聲不同，人看起來(lái)是一樣的，但上面的那個(gè)車計(jì)算機(jī)識(shí)別系統(tǒng)可以看到，以下的車計(jì)算機(jī)看不見，或者完全看錯(cuò)了，這是計(jì)算機(jī)視覺的脆弱性，也可以說(shuō)是計(jì)算機(jī)視覺算法的不安全性。

如果這種不安全性不消除，大家想一想會(huì)出多大的事故？為什么人工智能會(huì)出現(xiàn)這種波動(dòng)？就是由于產(chǎn)生方法以后，這種方法本身往往帶來(lái)另外的問題。

人工智能現(xiàn)有的方法只能處理結(jié)構(gòu)化環(huán)境下的問題，非結(jié)構(gòu)化環(huán)境下的問題，人工智能有待提高，所以我們提出第三代人工智能就是要解決非結(jié)構(gòu)環(huán)境下的感知問題。怎么解決這些問題？過去我們做人工智能的時(shí)候主要是靠知識(shí)、算法和算力，進(jìn)入數(shù)據(jù)驅(qū)動(dòng)時(shí)代以后主要靠的是數(shù)據(jù)、算法和算力，光是指定數(shù)據(jù)、算法和算力做出來(lái)的系統(tǒng)肯定是不安全的，怎么解決安全問題？我們的辦法就是充分地利用知識(shí)和數(shù)據(jù)、算法和算力。

大家可以看到自動(dòng)駕駛從L3、L4走到L5，我們必須要解決計(jì)算機(jī)視覺不安全性的問題，現(xiàn)在世界各國(guó)都在這樣做，因?yàn)樽詣?dòng)駕駛肯定要做未來(lái)汽車四個(gè)輪子上的超級(jí)計(jì)算機(jī)，換句話說(shuō)就是用很少的錢買它的車，用大量的錢買上面的計(jì)算機(jī)設(shè)備，傳感器、攝像頭和激光掃描儀，所以很多公司都在做這些，包括特斯拉、Google和通用汽車。

我們現(xiàn)在是用大數(shù)據(jù)的方法對(duì)圖像進(jìn)行分割和識(shí)別，然后建模規(guī)劃，現(xiàn)在完全可以做到實(shí)時(shí)，比如地平線上做的芯片是把算法做到芯片里面，識(shí)別和劃分都沒有問題，這樣的話車還能不能開？我們說(shuō)不能開，主要是兩個(gè)原因：視覺是不可靠的，有的東西是看不清楚的，最大的問題就是如果這個(gè)系統(tǒng)有人的話就會(huì)變成非常復(fù)雜的系統(tǒng)，大家知道交通的人有兩種：一種是駕駛員，一種是行人，這兩種人都在有意無(wú)意地破壞交通規(guī)則，不光是中國(guó)人會(huì)破壞交通規(guī)則，外國(guó)人一樣會(huì)破壞交通規(guī)則，大家開車的時(shí)候有沒有違反過交通規(guī)則？我自己就違反過，慢速的情況下兩個(gè)車的車距應(yīng)該是多少？15米，你在北京試試看，兩個(gè)車距離15米，你這個(gè)車還能開得動(dòng)嗎？假設(shè)稍微有點(diǎn)空就被加塞，根本沒有辦法往前開，所以必須考慮實(shí)際，在這種情況下不可能所有人都按照規(guī)則來(lái)走，而且還會(huì)出現(xiàn)更多更復(fù)雜的情況，這種情況計(jì)算機(jī)就沒法處理。

怎么解決這些問題？實(shí)際上非常簡(jiǎn)單，人工智能里面有與環(huán)境交互的學(xué)習(xí)，現(xiàn)在的做法是所有車都在那里做實(shí)驗(yàn)，大家經(jīng)常說(shuō)美國(guó)人已經(jīng)給自動(dòng)駕駛發(fā)執(zhí)照了，可以上路去開了，其實(shí)這是錯(cuò)誤的，只是可以上路去試，美國(guó)人是在什么地方試？是在恭凡城的郊區(qū)，中國(guó)是在開發(fā)區(qū)，所以大家不要以為這個(gè)問題已經(jīng)完全解決了，那么請(qǐng)大家注意，如果我們開幾十萬(wàn)邁就會(huì)積累大量的經(jīng)驗(yàn)，就會(huì)暴露很多計(jì)算機(jī)看不到的錯(cuò)誤的地方，加上知識(shí)和經(jīng)驗(yàn)完全自動(dòng)駕駛是可以做到的。

我想給大家傳達(dá)的就是這條信息，機(jī)器人往前發(fā)展的時(shí)候，人工智能會(huì)在某個(gè)地方和你有交集，我們可以和人工智能共同合作研究做到這一點(diǎn)。