Billy Tong
Google和一些Alphabet的子公司研究員指出，機械人透過共享學習經驗，可更快學會執行一些簡單任務。
當擁有金鋼不壞之身的機器有了學習的能力，統治人類似乎已經不遠了？
研究人員正以「增強學習技術」（Reinforcement Learning）的方式，結合反覆試驗、失誤和正面反饋，來訓練工業機器人執行簡單任務。
目前，他們教授機器人的任務還是非常簡單（如開門和輕推物件），但在不久的將來，機器人或可開始處理日常瑣事（如摺衣服和洗碗）。
機械人變得愈來愈價廉物美。可是，要透過編程（Programming），令它們可在充滿未知因素的日常環境穩定地執行任務，是近乎不可能的事。
世事多變，機器人未能排除變因，所以仍只能執行簡單的任務。但未來呢？如果它們真發展出了演化的能力呢？
增強學習技術，或可提供一個解決方案，讓機械人在工作學習中為自己編程。然而，要一個機械人在過程中反覆嘗試無數方法，將會非常耗時。於是，學者正研究一種雲端技術，透過機械人共享學習，大大節省機械人反覆試驗的時間。可是，這種技術仍是停留發展初段。
最近，Google的研究團隊詳述了一些讓機械人共享學習的策略。在每一種情況，正進行學習的機械人，會用它們的人工神經網絡（Neural Network），預測不同動作的結果。每個機械人的行為表現，都會有些微不同，差異會漸漸強化。機械人們的神經網絡，會定期匯報給一個中央伺服器，而該中央伺服器，會為機械人建立一個結合不同機械人學習成果的全新神經網絡，再重新輸入到每個機械人，以進行下一輪訓練。
雖然現在多半只有一隻手臂，但難說哪一天，雲端情人就真的誕生了。
在第一輪實驗，機械人要轉動門柄開門。四部機械人各自開啟一道不同設計的門。它們共享學習經驗以後，在實驗最後一環，儘管機械人們要開啟一道四部機械人都從未遇過的門，機械人們都成功完成任務。
在第二輪實驗，機械人們與一個人為控制的機械臂進行互動，它們的學習進展大大加快了。在第三輪實驗，機械人透過攝像機輸入的資料，學會移動和旋轉物件，以及預測不同行動會如何改變攝像機傳來的圖像。
美國布朗大學助理教授Stefanie Tellex一直研究機械人學習，她指Google的實驗令人振奮：
「讓機械人預測不同動作的物理效果，可使它們理解我們的世界如何運作。」
透過機器學習技術，Google團隊正研究更多革命性的機械人應用。現在，已有不少機械人生產商研究如何運用增強學習技術，精簡產品的編程工序。現階段，機械人所能學到的還很有限，但隨著算術改善，機械人應用更廣泛，在未來了會更能幫助我們的日常生活。
本文經授權轉載自Outside Google建立了一所機械人幼稚園
相關新聞
編輯精選
自由評論網粉絲團
