机器人大脑项目希望将互联网变成机器人集体思维

Robo Brain 并不是在互联网上大快朵颐。这意味着一定程度的选择或代理。Robo Brain 所发生的事情更接近于强制喂食，因为来自四所不同大学的研究人员定期将收集自互联网的数据塞进其基于云计算的系统。到目前为止，它已经消化了大约 120,000 个 YouTube 视频、一百万份文档和十亿张图片。

该项目的目标与项目名称一样直接——为机器人打造一个集中的、始终在线的大脑。Robo Brain 从互联网上学到的知识越多，它就能与联网机器分享越多的直接经验。如何打开烤面包机？Robo Brain 知道，并能分享该电器及其相关部件的 3D 图像。它可以告诉机器人咖啡杯是什么样子的，以及如何用手柄拿着它而不倾倒里面的东西。它可以通过测量相对位置来识别人类何时在看电视，并建议人们不要在两者之间徘徊。Robo Brain 看到椅子或凳子，就知道这些都是人们坐的东西。它是一个理解上下文的系统，能将复杂的关联转化为对物理机器人的直接命令。

如果这些任务看起来都不是特别令人印象深刻或具有挑战性，那是因为它们对人类来说并不重要。与此同时，机器人需要它们能得到的所有认知帮助。即使是最自主的机器也遵循狭窄的预设行为范围，没有广泛且通常昂贵的培训或重新编程，就没有真正的适应新情况的能力。对于机器人来说，成为一种无处不在的社会公益物，适应是至关重要的。例如，一个老年人护理机器人可能不仅需要了解如何从微波炉里取出一碗热气腾腾的汤，还需要知道如何把它放在桌子上，相对于它的主人。一个简单的要求，比如要一个有条纹的杯子，或者一把更大的勺子，都可能让机器无可奈何。

Robo Brain 的解决方案是一个庞大且快速扩展的流程图。该系统将所有输入的内容都隔离开来，将所有精力集中在确定何时以及如何采取某些物理动作上。Robo Brain 始终是认真的。因此，勺子和碗有相交的节点，但不要指望康德的著作会出现在这个职业的蜂巢思维中。这种对行动的关注使该项目与 RoboEarth 处于同一领域，RoboEarth 是一个正在进行的非营利性项目，旨在创建一个机器人可读的知识库。然而，关键的区别在于，Robo Brain 可以自我构建，增加其结论和相关行动的网络（RoboEarth 的文件必须是流程，并由人类组织）。它也不同于其他人工智能的“深度学习”方法，例如 Google Brain。Robo Brain 不会试图模仿人类感知和处理数据的方式，而是简单地组织信息，根据上下文对主题进行分组和连接。椅子被分解成椅子的子集，分支指向椅子的用途以及它们与其他家具的关系。咖啡与杯子有关，也与倒液体相关的运动规划有关。这是认知的蛮力方法，避开了实际智能的细微差别，以便提供特定的命令。告诉机器人给你拿一杯咖啡，它可以查询 Robo Brain，然后拼凑出一组相关命令。

但随着系统庞大的图谱不断扩大，Robo Brain 看起来越来越不像是智能的幻象，而更像是真实的东西。据康奈尔大学计算机科学助理教授 Ashutosh Saxena 介绍，迄今为止最好的例子是研究人员要求该项目的三个机器人之一制作阿芙佳朵。这个机器人是双臂、高度灵巧的 PR2，它查询了系统，发现阿芙佳朵是一种由冰淇淋和咖啡组成的意大利甜点。无需任何人工推动或干预，机器人就能找到咖啡，弄清楚如何从分配器中取出咖啡，并将其倒在舀出的冰淇淋上。

再说一遍，这对于我们这些大脑发达的生物来说只是小菜一碟。对于机器人来说，能够通过一系列查询和命令来响应相对模糊的请求，并最终得出具体而正确的结果，这真是令人惊讶。需要说明的是，研究人员并没有将完整的阿芙佳朵或咖啡制作序列输入到 PR2 中。输入到 Robo Brain 的数据是按主题整理的，但本质上是原始的——DIY 视频、说明手册和操作文档。系统输出的解决方案似乎也是即兴的。“现在它是自动化的，因为我们将四所大学的知识推送到系统中，”Saxena 说。“我们不需要做任何其他事情。”

目前，Robo Brain 的投入来自布朗大学、康奈尔大学、斯坦福大学和加州大学伯克利分校的研究人员。不过，到 10 月，该项目将扩展到总共 10 所大学，到年底，任何学校的申请人都可以申请访问。到那时，Saxena 预计 Robo Brain 将吸收 10 亿个视频和 100 亿个文档，云计算成本达到每天 1000 美元。目前的资金（其中一些来自谷歌和微软等赞助商）约为 150 万美元，足以让该系统运行多年。即便如此，Saxena 估计，该系统可能还需要五年时间才能真正投入使用，并做好准备发挥作用。

“我们完全采用开源方式。与其他一些大学项目或一些公司不同，我们的目标不是盈利，”萨克塞纳说，他认为老年人护理和一般家庭机器人是 Robo Brain 的主要初始受益者。“我们正在让世界变得更美好。”