【导读】从很久很久以前开始,人们就希望将来自己将能把生活中的琐事都交给机器人处理。然而技术日新月异,眼看着人类都快要能登陆火星了,自己身边这一亩三分地里的很多事很多时候仍要自己亲自去完成。自动化的生活到底面临着哪些阻碍?科幻小说里的“智能家庭”到底多久才能成为现实?
目前消息比较多的智能机器人,大多数完成的是重复且技术含量不高的工作。如快递机器人、扫地机器人等。但事实上,送快递、扫房间的机器人虽然不需要像真正的人那样聪明,也是需要很高级别的智能的,现在的城市的建筑越来越高,环境越来越多变,甚至有些时候无人机飞去目的地也不能只走直线,在复杂的环境中运作时,机器人必须具备一定对周围环境做出判断和反应的能力才能很好的完成任务。而识别图像已经属于人工智能中比较高级的一个阶段了,开发相关的软件有相当的难度。所以,目前限制智能化的最大因素是什么呢?是图像识别吗?
其实不是的
是电池

电池是永远的痛
更强的计算能力、更强的运载能力,这些都需要更高好的电池,而这正是我们所没有的。随时可以充电的扫地机器人等家用机器人还好。需要在外界长时间工作的机器人就深受其害了:目前采用锂电池的无人机普遍只有半小时左右的续航时间,在大城市里这点时间别说载货了,能不能空载着从城市的一头飞到另一头再飞回来都是个问题。长一点的能达到1个半小时左右,也仅仅够用最多两个来回左右。仅有的少数续航时间能达到3-4小时的无人机,包括固定翼和四旋翼的,使用的燃料都是昂贵、危险、难以制取的氢气。
在这个时代,越来越多的产品出现了续航瓶颈。如果出现了效率、储能能力等指标都比锂电池高出很多、成本与安全性等仍和锂电池相近的新型电池类型。或许整个科技行业的产品体验都会提高一个层次,但是有些事就是这样,明明所有人都知道应该怎么做,可是就是没有人做得到。到现在,新型电池的研究仍是一个尖端课题,并且几乎没有取得过实质性的突破。
不过,或许会有什么另辟蹊径的创意能解决这个问题呢?我们拭目以待。
如果有了续航性能更好的电池,接下来工程师们就可以肆无忌惮的向CPU中塞进更多的晶体管了,程序员们也可以毫无顾忌的写下复杂“烧脑”的代码了。但是首先他们要能做到……这就是智能化面临的第二个现实的障碍:
“简陋”的算法和面临瓶颈的计算能力
没错,相对于目前的任何程序,现在人工智能程序的代码都绝不能算是简陋。但要以现在的代码量要达到真正“智能”的程度。从表现上来看还差得很远。而另一方面。微软的小娜、小冰和苹果的Siri算是目前在人机对话方面表现的比较突出的人工智能了。但他们能做到秒回你说的话(其实就是达到人类的反应速度),靠的背后是微软和苹果搭建起来的庞大的云服务器机组。如果将其代码全部搬到普通的个人电脑上运行,恐怕计算一条回答需要的时间会远超想象。

大型服务器机房
摩尔定律在个人消费领域目前正面临明显的瓶颈。CPU上的晶体管尺寸小到一定程度之后,量子隧穿效应会导致电子在CPU电路内的运动变得失去规律。从而导致电路设计失效。目前我们已经越来越逼近这个瓶颈了。具体的表现,就是最大的x86处理器制造商Intel已经连续几年没有制造出性能翻番的顶级处理器了。而量子计算目前还只是个传说。只能在实验室中验证它的可行性。现在的智能可以成长在云服务器里。但要进入像无人机这样的小型化设备,恐怕目前还做不到。
机器人对世界的感知
现在几乎任何一台手机都可以用摄像头留下身边景物清晰的照片。可是你的手机知道那是什么吗?看到、看懂、理解是对外界事物反应的三个完全不同的层次。成年人的大脑可以在一瞬间完成这三个步骤。但对机器人来说,从前到后每前进一步都需要付出巨大的努力。
比如一台快递无人机,它的摄像头可以很轻松的做到全程录像。但要识别出它摄像头里每时每刻拍到的每一样东西都是什么,这就非常困难了。目前通行的做法是将图像数字化、提取特征后与机体存储的特征库进行匹配。要让识别的成功率高,特征库需要很庞大才行。这就是相当大的计算量了,何况对视频的处理需要实时进行。其对GPU构成的运算压力可想而知。

图像识别的一个实例
即使识别出了图像中的物体都是什么,对于机器本身来说也是没有任何意义的。它还需要理解这些东西都意味着什么。比如前方出现了一座桥,对无人机来说这就意味着需要调整高度以免与桥面相撞。但无人机要怎么才能明白这一点呢?目前来说,基本还是要靠人来一条一条的编写程序。虽然目前有很多科学组织在研究机器“深度学习”项目。但目前机器的自主学习能力还很弱很弱。
所以如果要让机器人真正成为我们生活中的得力助手,我们可能还要等待很长一段时间。