华硕CTO罗仁权:机器人强化靠深度学习,人类不想被取代靠终身学习

简介:

似乎每个人都对机器人有着美好的憧憬,这样的憧憬大多来自于美国大片中描画的“未来世界”。而近两年来,随着科技飞跃式的更迭和发展,机器人产业爆发,“钢铁侠”、“变形金刚”、“机器猫”开始从荧幕走进了现实生活。

今年,近150家全球知名机器人企业亮相2016世界机器人大会,吸引了数以千计的参会及参观者,其中不少是家长携带孩子前来。外行看热闹,内行看门道,各有各的看法。但可以肯定和预见的是,在未来几年内,机器人产业将在全球范围内成为一大发展热点,同时也将在各个领域得到广泛的应用。华硕集团技术长、台湾大学讲座教授罗仁权在接受记者采访时就表示,近几年内,机器人发展曲线还将全面上升,未来,我们要让机器人发挥更大的作用,在工业生产、服务、家庭生活等领域得到普及,走进日常生活。

华硕CTO罗仁权:机器人强化靠深度学习,人类不想被取代还靠终身学习

华硕集团技术长、台湾大学讲座教授罗仁权

中低阶工作将被机器人取代

美国大片中许多机器人的角色被定义为“终结者”,具有自主意识的机器人开始集结,意欲取代人类统治地球甚至宇宙。而当下,在工作场景中,“角色取代”也正在发生。

“未来10年,人类1/3的工作将被机器人取代。其中,更容易被取代的是中低阶的工作”。罗仁权说道,“低阶工作由于其细致性因而难度较大,现有的机器人技术还不容易触及。而高阶工作更多地需要发挥人的创造性,因此机器人在其中发挥的作用还多数停留在辅助阶段,需要发挥人机的协同合作。”

同时,随着许多工作被取代,也将有新的工作机会被创造。机器人技术的不断发展将催生出新的产业,企业需要更多的新型人才。“想要捕多少鱼,就要撒多大网。对于从业者来说,终身学习会变得越来越重要,如果不提升自己,最终将被机器人取代。”罗仁权表示。

让机器人发挥更大的作用

事实上,人工智能这一概念早在1956年就已经被提出,但是发展之路跌宕曲折,曾经很火,但又一时跌入低谷。而近两年来,随着机器人产业的爆发,许多人认为人工智能也迎来了其黄金时代。

罗仁权指出,人工智能的发展是大势所趋,市场和企业必须要做,但相应的政策和配套措施也要跟上。要让机器人创造更大的价值,就要加大对人工智能技术的研究和应用。

在工业机器人领域,罗仁权认为,首先要解决的是从人机协同到人机互动。除了加强机器人的避障能力,提高人与机器的交互性也非常重要。“要培养人与机器、机器与人的默契度,让他们相互了解,可以预测彼此的行为,让机器人与环境实现共融,从而提高企业的生产效率。”

除了工业机器人之外,服务型机器人应该说离我们的生活更近,应用范围也更广。但是,相较于工业机器人来说,其智能化要求也更高,系统更为复杂。因此,不断加强机器人的深度学习能力也变得尤为重要。只有让机器人像人类大脑一样搜集信息,读懂语言背后的含义,并将这些信息转化为相应行为,才能实现真正的智能化。“这是机器人技术发展中最困难的一部分,需要我们在语音识别、图像识别、语言翻译等领域实现更大的突破。”罗仁权表示。

机器人产业化和普及化需要多方“出力”

据罗仁权介绍,在过去的20年里,全球机器人的数量累计不超过50万只。而中国所拥有的工业机器人数量也低于世界平均水平,还有非常大的发展空间。要实现机器人的产业化和普及化需要政府、学术界、技术、市场、资本等多方面的共同“出力”。

“首先,从目前来看,政府政策的力度还不够,连续性差。因此政府要有大力发展机器人产业的决心,学会用人,发挥自上而下的推动力。同时,制定相关的政策和法律,树立道德标准。此外,学术和技术界要把握机器人发展的关键点,综合考虑运行速度、精密度、安全性、成本等,加大对核心技术的研究和掌握。”“这其中,当然离不开政府资金以及资本市场的支持。”

与此同时,在罗仁权看来,中国机器人产业要发展,不能仅靠内需,而要走向国际市场,在其中掌握主导权,而这有赖于技术和商业模式的不断创新和发展。

“未来产业的发展重心,是设计、产品、商业模式的交集部分。总的来说,企业要利用核心技术,遵循机器产品合理化、自动化、智能化的路线,以消费者需求为主导,设计并生产出一款能够触动使用者的产品。通过更为合理和有效的商业模式,为企业带来效益。”


原文发布时间为: 2016年10月25日

本文作者:高玉娴

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
XML 监控 网络协议
云深处绝影四足机器人协议学习解析
本文详细介绍并解析了云深处绝影X20四足机器人的通信协议,包括TCP服务端端口号、基于Service的请求/响应通信机制、通信帧结构、消息类型、常见的通信示例如获取状态和导航请求,以及运动控制的参数和命令。文中还提出了对协议中某些未明确说明或可能存在的问题的疑惑。
392 0
云深处绝影四足机器人协议学习解析
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
674 9
|
机器学习/深度学习 传感器 人工智能
深度学习之自主学习和任务规划
基于深度学习的自主学习和任务规划,是指通过深度学习算法使人工智能(AI)系统能够自主地从环境中学习,并根据特定的目标和任务,规划出有效的解决方案。
526 3
|
9月前
|
传感器 人工智能 机器人
【01】人形机器人研究试验-被有些网友痛骂“工业垃圾”“人工智障”上春晚的人形AI机器人-宇树科技机器人到底怎么样??-本系列优雅草卓伊凡亲自尝试下人形机器人的制造-从0开始学习并且制作机器人-可以跟随卓伊凡
【01】人形机器人研究试验-被有些网友痛骂“工业垃圾”“人工智障”上春晚的人形AI机器人-宇树科技机器人到底怎么样??-本系列优雅草卓伊凡亲自尝试下人形机器人的制造-从0开始学习并且制作机器人-可以跟随卓伊凡
550 1
【01】人形机器人研究试验-被有些网友痛骂“工业垃圾”“人工智障”上春晚的人形AI机器人-宇树科技机器人到底怎么样??-本系列优雅草卓伊凡亲自尝试下人形机器人的制造-从0开始学习并且制作机器人-可以跟随卓伊凡
|
机器学习/深度学习 存储 自然语言处理
深度学习之少样本学习
少样本学习(Few-Shot Learning, FSL)是深度学习中的一个重要研究领域,其目标是在只有少量标注样本的情况下,训练出能够很好地泛化到新类别或新任务的模型。
438 2
|
机器学习/深度学习 传感器 算法
深度学习之基于视觉的机器人导航
基于深度学习的视觉机器人导航是一种通过深度学习算法结合视觉感知系统(如摄像头、LiDAR等)实现机器人在复杂环境中的自主导航的技术。
650 5
|
机器学习/深度学习 自然语言处理 计算机视觉
深度学习中的迁移学习技术
【10月更文挑战第11天】 本文探讨了深度学习中的迁移学习技术,并深入分析了其原理、应用场景及实现方法。通过实例解析,展示了迁移学习如何有效提升模型性能和开发效率。同时,文章也讨论了迁移学习面临的挑战及其未来发展方向。
|
机器学习/深度学习 人工智能 自然语言处理
深度学习之复杂推理与逻辑学习
基于深度学习的复杂推理与逻辑学习是当前人工智能领域中的一个前沿研究方向,旨在结合深度学习与传统逻辑推理的优势,使机器能够在处理复杂任务时具备更强的推理能力。
332 2
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的迁移学习技术
本文探讨了深度学习中的迁移学习技术,分析了其在提高模型训练效率和效果方面的优势。通过对迁移学习的定义、原理和应用案例的详细阐述,展示了如何有效利用预训练模型解决实际问题。
345 6
|
机器学习/深度学习 算法 自动驾驶
深度学习之分布式智能体学习
基于深度学习的分布式智能体学习是一种针对多智能体系统的机器学习方法,旨在通过多个智能体协作、分布式决策和学习来解决复杂任务。这种方法特别适用于具有大规模数据、分散计算资源、或需要智能体彼此交互的应用场景。
787 4

热门文章

最新文章