人类示范会显著加速机器学习？物理学家创办了一家与众不同的AI公司

基于人类示范会显著加速机器学习这一理念，加拿大初创公司Kindred AI 的人类 VR 操作员正在教授机器人执行新任务，其终极目标是创造一种全新的人工智能。

这个机器人手臂偶尔利用人工控制它学习如何掌握不同的对象

一家神秘的加拿大创业公司 Kindred AI 正在教机器人如何以超人般的速度完成高难度的灵巧工作，他们把机器人与人类“操作员”配对——“操作员”们头戴VR头显，手握运动追踪控制器。

这种科技让我们惊喜地见识到，未来人类将如何与机器进行同步工作。它向我们展示了，借助人类的协作可以进一步增强自动化系统的力量。

很多人对机器人和人工智能快要抢走人类的饭碗感到忧心忡忡，但其实还有很多事情是机器人无法胜任的。

由Kindred公司申请的专利图，该公司由一批量子计算先驱创立，意图打造先进AI系统来控制和训练机器人

前不久，Kindred AI向《麻省理工科技评论》演示了他们的机器人，并表示，其将在接下来的几个月里计划发布一款针对零售商的产品。他们的长远设想更是野心勃勃。

Kindred希望，这种人工协助式机器学习能够培养出全新的更为强大的人工智能。

目前，Kindred正在测试传统工业机器臂对于不好拿的小物件的抓取和放置能力，比如小块布料，看其是否能比正常水平做得更快更稳。机器臂偶尔会向人类团队求助，操作员们会在一旁通过VR头显，来观察有困难的步骤，并临时对机器臂进行人工操纵。

由Kindred公司申请的专利图，展示了附有传感器和动作部分的外骨骼，操作员穿着外骨骼控制远方机器人

“操作员们可以看见、听见并感受到机器人的所见所闻所感。当操作员做出一个动作，机器人也会跟着动”，Kindred联合创始人兼CEO Geordie Rose说道（他也是D-Wave的联合创始人）。

“这让我们可以告诉机器人怎样像人类一样行动。虽然并不能说人类在所有关于机器人的行为上做得最快最好，比如把物件放置于指定方位之类，但人类在理解棘手和未知的情况方面依旧是最强的。”

Kindred的系统采用了一些机器学习算法，且会自主判断哪一种算法能够助其完成指定目标，比如抓取物体。如果没有任何算法看起来可行，系统就会寻求人类帮助。

最重要的是，机器学习算法能够学习人类操作员的动作。为做到这点，Kindred采用了“强化学习”——一种让机器利用不断尝试和练习来学习特定操作的技术。

Rose表示，他们的机器人抓取小块布料的速度是人类的两倍，但若让机器人独立工作又实在是不靠谱。所以，人类介入是必要的，一个人可以同时操作多个机器人。

Rose补充说，Kindred正在探索各种含人类介入的操作系统，从人只要点击图像告诉机器人去何处抓取物件的基础介入，到身穿全身机械外骨骼来控制类人机器人的高级介入。操作员都能学会如何有效地远程控制机器人。“你刚开始使用控制装置的时候会很不习惯，但人脑的可塑性很强，你会慢慢调整适应。”

这项技术的灵感来源于Suzanne Gildert，她原是D-Wave的高级研究员，现任Kindred首席科学官。

由Kindred公司申请的专利图，展示了多名操作者通过该Kindred的人工智能云计算系统，实现对多台机器人的控制

这家公司已经秘密运行了好几年，直到Gildert提交的专利细节在网上曝光，吸引了人们的注意。专利描述了将各种不同的遥控操作系统与机器学习相结合的计划。确实，Kindred的技术愿景远不止做更好的分类挑拣机器人那么简单。

“如果你让机器人不断地尝试，并且有一套人工智能系统在背后支持机器学习，那么就能测验不同的AI模型，看看哪个的训练效果更佳，”Gildert说。“最终，我想到，如果你可以让人类为机器人进行任务示范，那么没有任何理由机器人不去像人类一样操作。”

最吸引人眼球的是，Kindred的专利甚至涉及让动物（比如猴子）操作这种系统的可行性。Gildert说这只是一个想法而已，公司并没有雇佣任何猴子。但是她也说公司的确有一只通过强化学习训练的机器猫整天在办公室里晃来晃去。

知名量子计算机公司D-Wave的联合创始人和首席技术官（CTO）Geordie Rose又酝酿新举：使用人工智能和外骨骼系统训练和控制一支智能机器人大军

Kindred还有一点与众不同，它的创始人是物理学家，而不是受过专门训练的机器人专家或是计算机科学家。Rose辩称，这反而为他们带来了独特而有价值的视角。“对于计算机科学家来说，模拟世界和真实世界的界限非常模糊。而我们更喜欢用真实的机器人在真实的世界里做点事情。”

Kindred追求的人机合作理念看起来的确潜力巨大。加州大学伯克利分校机器人和机器学习专长的教授Ken Goldberg表示，人类示范会显著加速机器学习。Goldberg在他的外科手术机器人研究上采用了相似的方法，他补充说，让机器人向人类学习是一个非常热门的研究领域。Goldberg说，“这是我相信机器人具有无限未来的核心原因，人类的示范作用能带来非常大的进步”。

但是，通过人类遥控进行机器学习的技术实现难度也不小。研究遥控类人机器人的麻省理工学院副教授Sangbae Kim表示，将人类的动作映射到机器行为上是件极其复杂的事情。

“第一个技术难点在于追踪人类行动，得紧紧监视人类体表的所有细微动作。这非常困难，因为我们是内骨骼动物，”Kim说道。“更大的挑战在于深刻理解人类决策过程中的每一步骤每一细节，然而很多思维过程其实都是潜意识的。”

但Kindred创始团队并不气馁。“我们的目标就是破解人类的认知体系”，Rose说道。“所有的生命都遵循特定的行为规律，而我们要为机器人建立一套同样的行为准则。”

然而，也有一些专家怀疑，Kindred是否具备与他们宣称的目标相称的能力。威洛·乔治实验室研究员、“赫菲”远程控制机器人的发明人提姆·菲尔德(Tim Field)表示，该专利需要实现的机器学习技术已经远远超过了现有的机器学习技术，学习过程需要的数据和其他资源简直是天文数字。

比如，谷歌的一台实验机械臂需要训练80万次才能成功从一个筐子里拿出物体，让操作员执行同一任务80万次来训练机器人？这几乎没有可行性。

俄勒冈州立大学机器人专家比尔·斯玛特（Bill Smart）表示，该专利提出的点子不错，但是实现起来非常困难。此外，他认为，人类很难流畅操作这款机器人，因为机器服从的动力学原理和肌肉服从的动力学原理有不小的差别。

《麻省理工科技评论》中美合作“城郭会员计划”正式发布，让您始终处于新兴技术商业趋势的最前沿。详情请点击下方图片查看↓↓↓

招聘

编辑、视觉设计、视频策划及后期

地点：北京

联系：hr@mittrchina.com