更改

译/Trion兵<br>

校对/何里活<br>

本文基于创作共同协议（BY-NC），由Trion兵在利维坦发布

2019年初，利普森的实验室公布了一台手臂机器人的论文及视频，通过深度学习算法，这台机器人仅凭自身的运算能力就从无到有搭建出自己的虚拟模型——利普森描述这个过程时说，“这像极了一个还不会说话的婴儿第一次观察并认知自己的手。”

当这个手臂机器人对自身位置及形态完全一无所知的时候，它能做的只有长时间进行随机的摆臂运动，并收集所需的数据。图源：Columbia Engineering

成功搭建自身虚拟模型之后，这台手臂机器人可以准确地执行两种不同的任务，其一，从桌面捡起小球并放在杯子里；其二，在纸上写下特定的记号——理解、计划并完成上述任务的过程中，机器人并不会得到任何外界帮助。不仅如此，在本次实验中，研究员给机器人更换了一节变形的机械臂结构，以此模拟机械臂受到了损伤，而机器人不仅察觉到了这种变化，还更新了自身的虚拟模型，并且仍然能正确完成上述任务。

图源：Columbia Engineering

图源：Columbia Engineering

想想看，如果你试图理解什么是意识，为什么要从人类开始研究呢？人类可是最复杂的有意识生物啊！这就好像是从最陡峭的山坡开始登山。我们不妨换个视角，寻找到更简单的系统，因为它们很可能更容易理解。这就是我现在尝试做的事情：我们制造出一个只有4个机构自由度（Degree of Freedom of Mechanism）的机器人，相比人类的复杂意识，它明显更渺小，但是我们也能提出更具体的问题，比如，“我们能不能让这个机械做出自己的虚拟模型？”（译注：机构自由度，即为了使机构的位置得以确定，必须给定的独立的广义坐标的数目。）

图源：Quanta

的确，你可以指出我们提出的定义并不是真正的自我意识，但你必须承认这个定义非常实际，易于进行研究，因为我们已经有了一个标准（Benchmark）。这个标准就是以往研究中工程师亲手敲一行行代码，为机器人建立起来自身虚拟模型。而我们希望看到的，不只是人工只能算法学会了搭建自身的虚拟模型，更希望看到人工智能模型和人类做出的模型一样好，甚至可以超越人类。

这些画作是由一种已实现量产的人工智能机器人创作的，它们搭载的程序及算法是专门用于绘画的。图源：Quanta

A：我是一个机器人科学家，制造机器人来研究当然是我的首选。实际上我们期望得到的东西是一个封闭系统（Closed System），其功能就是自行模拟，为了让这个封闭系统做到这一点，我们必须给它一定输入，并观察它的输出——关键在于这个研究过程必须存在于某种界限之内，在这个封闭环境内你才有可能制造出“自我”。而机器人简直是天生就适合进行这样的研究，它可以通过感知获得输入，也可以输出行为动作，而且一切都存在于可控范围内，它可以遭遇一些特定事件，然后对此进行模拟。

这是利普森团队今年公布的另一个机器人，“灰色粘液”（Gray Goo），这种机器人单个个体拥有感光设备以及小型电机，但是只能进行简单的收缩运动。图源：Columbia Engineering

当机器人组成列阵集群，它们通过算法理解了彼此之间的关系，顺利建模，并且找到了一种有效的集群移动方式，最终成功朝光源方向运动。图源：Columbia Engineering

接下来，我们提高了难度，把机械臂拆开，替换一节有着特殊形变的机械臂，以此模仿机器人受到了破坏，然后再次重复这个实验。于是我们亲眼目睹了“受伤”的机器人在整体模型的基础上纠正了发生形变的部分。这一次，它已经不需要从零开始制作模型了，虽然它仍然需要在一段时间内看似极其智障地胡乱扭动，但相比第一次实验，第二次收集数据的阶段节省了90%的时间。

图中红色部分即替换掉的机械臂结构，长度及弯曲度均有改变。图源：Columbia Engineering

图源：Columbia Engineering

A：我就是这么想的。当然了，这也是为什么手臂机器人做出的自身模型看起来很粗糙、简略。毕竟我们的这个小机器人只不过是个能到处挥舞的机械臂，只有4个机构自由度而已。如果我们要使用一个拥有800多个自由度的人形机械做这个实验，人类今天掌握的人工智能技术还远远应付不了如此复杂的计算。

利普森的团队还曾经做过另一种实验，首先让人工智能在一个空间内模拟出1000个方型机器人，这些机器人能做到的只有通过翻转进行移动。但是一段时间后，画面右侧的深蓝色方形机器人开始清理出一片只属于自己的区域，右下方还有一团青色方形机器人开始形成集群。不知出于什么样的原因，人工智能自动通过自我复制奖励自己。图源：TED

在实验室中，利普森的团队制造了一种运动能力更强大的立方体机器人，研究员发现，只要他们不断地向实验环境内添加小立方体机器人，这些机器人就会不停地相互连接，建造出一个又一个立柱个体，也是通过这种方式进行自我激励。图源：TED

（www.ted.com/talks/hod_lipson_builds_self_aware_robots?language=en#t-8208）

A：我们还进行了其他几个科研项目，同样是研究机器人的自我建模能力，但这次不是搭建外形，而是搭建自身的认知过程。在这两个方向上我们都在小步前进着，但最终这些小小的步伐会积累成一个飞跃，让人们相信机器人不仅最终可以获得人类的认知水平，还能超越我们。

动画短片集《爱，死亡和机器人》（Love,Death&Robots）中的《齐马的作品》（Zima Blue）片段。图源：Tumblr