0
| 本文作者： 彭賽瓊 | 2017-07-09 16:01 | 專題：GAIR 2017 |
雷鋒網報道，7月7日，中國計算機學會（CCF）主辦，雷鋒網與香港中文大學（深圳）承辦的第二屆CCF-GAIR全球人工智能與機器人峰會在深圳如期開幕。大會的第二天，機器人分會場的最后一場，來了一位壓軸的重量級嘉賓——Vijay Kumar。他是賓夕法尼亞大學工程學院院長，也是美國國家工程院院士，IEEE會員。他在無人機領域的知名度非常高，尤其在他的多機器人編隊控制和協作的研究領域。去年Vijay也參加了雷鋒網承辦的GAIR大會，這次來中國他更加熟悉了。作為今日機器人分會場的最后一位嘉賓，Vijay的演講將觀眾帶到了大學課堂。雷鋒網將演講做了簡要概括。
本次演講的主題是Challenges in Autonomy and Flight，自動化和無人機技術中的挑戰。
首先，Vijay向我們介紹了無人機現在的一些技術狀況。Vijay向我們介紹了無人機在構造上與無人車的不同，即無人機在平衡，耗能上都有較高的要求，解釋了為什么無人機無法搭載許多的傳感器。Vijay又通過他們過去5年制造的無人機，解釋了無人機自動化程度的提高和控制系統的感知和反饋機制。控制系統除了有感知和反饋機制，還需要做實時的控制。在Vijay團隊的無人機中，避障主要靠激光探測和系統對路徑的優化，他也使用了一些例子和原理進行了講解。
接著，Vijay向大家展了最小的自動化無人機，并告訴在場觀眾整個處理器都是在他們的安卓手機上完成的，不需要負載的漂亮的計算機，不需要浪費太多的GPU、CPU。他認為，設計者和操作者需要打破固有的框架，讓機器做更多的事情。機器學習的意義，就是能夠讓機器掌握復雜的技能。
提到機器學習這種人工智能，Vijay又像大家介紹了精準農業。他闡述道，以往，我們無法預測收成，但是，現在我們可以通過無人機去檢測農田果園的情況去記錄數據，從而預測收成，于是務農人員可以為收獲以及后面的運輸等事務做好準備。
但是，他認為，人工智能是有限的。原因有五點:
1. 現在有很多知識，是要機器去學習的，但是機器學習的能力還有待加強
2. 機器計算的能力很強大，但自動化程度低
3. 達到99.99%的精度要比達到90%更難
4. 針對實體的人工智能比飛行和駕駛更難
5. 機器協作非常困難
此外，他認為能源問題也是一個瓶頸，過去十年來，電池的價格的確下降了，但是電池的電量沒有提高。他隨即也介紹到了一款由化學染料驅動的無人機。
他還總結了我們會面臨的挑戰：
1. 一部分人將失去工作。他還通過一個金字塔結構，分析了在金字塔中部的人更容易被機器人淘汰，因為機器人的智商會更接近于獲得高等教育善于考試的人。而他們主要分布在中層。
2. 教育的挑戰，只有不斷學習才能不被淘汰。
3. 安全性，信任的挑戰，我們是否能夠信任機器人，機器人是否能夠抵御黑客攻擊。
最后，他總結道，這是一個讓人興奮的時代，人工智能的發展會是爆發式的，但是，人類以及政府機構對新技術的接受能力卻是線性的。還有一些關于法律監管方面的問題也會出現，這些都值得我們注意。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
