• 媒体品牌
    爱范儿
    关注明日产品的数字潮牌
    APPSO
    先进工具,先知先行,AIGC 的灵感指南
    董车会
    造车新时代,明日出行家
    玩物志
    探索城市新生活方式,做你的明日生活指南
  • 知晓云
  • 制糖工厂
    扫描小程序码,了解更多

机器人、虚拟现实、人工智能等技术的未来是什么?几个顶级大脑给你一些思路

公司

2016-05-04 17:19

虚拟现实、机器人、人工智能或许会成为下一巨大市场,我们对这种概念更多停留在探讨企业商业嗅觉方面。对于普通人来说,技术的未来我们无从得知,谁也不能确定技术会将未来变成什么样。

在 GMIC 期间,GWC、DayDayUp、La French Tech 联合举办了一次关于虚拟现实、机器人、人工智能等相关话题的探讨活动,相信这个圆桌会议应该可以带来一些思路和观点。

参与到圆桌会议的嘉宾有:OpenCV.ai 董事会主席 Gary Bradsk,他曾联合创立了斯坦福大学人工智能机器人课程,目前最著名的身份莫过于是增强现实技术公司 Magic Leap 的技术副总裁;还有现在最热消费级 VR 头显 HTC Vive 的中国区总经理汪丛青;Sangbae Kim 来自 MIT 的仿生机器人实验室,他重点研究不同物种肢体运动的先进功能。

还有机器人车间 CEO Tomotaka Takahashi(高桥智隆),他是东京大学的研究副教授,负责发明智能机器人;韩国科学技术院 Jun Ho oh(吴俊镐)教授,他是机械工学系特勋教授与人形机器人研究所所长。

alphago-AP

李世石 VS AlphaGo

此前在 AlphaGo 的报道中,总能听到 “人工智能”、“机器学习” 和 “深度学习” 这些词汇, IBM 中国研究院研究总监、大数据及认知计算研究方向首席科学家苏中用浅显的语言解释了这些名词的区别

  • 人工智能是一个愿景和目标,不是具体的方法。它希望机器能够在某些方面达到人的水平或者是像人,我们一直在路上,没有说哪天人工智能能实现,因为人的能力实在是没有边界的。
  • 机器学习是人工智能范畴下面的一种方法,可以随着数据或是反馈往越来越好的方向发展。它是一种学习能力,所以叫机器学习。
  • 深度学习则是机器学习里面一个分支,强调的是所使用的模型。

ai

谈及机器人技术的未来、机器人与人之间的沟通,高桥智隆则认为将会有越来越多的新技术出现,这会让他们非常激动。但是,可以预见到的有一件事情,就是人的重要性,以后还是人越来越重要。

机器人也是一种通讯方式,与机器的交流最终都是人与人的交流。

高桥智隆认为,“手机其实就是一种机器人的形式,机器人也是一种通讯的方式,在最近的未来就会出现这种情况,机器人和智能手机的边界会越来越模糊。智能手机越来越多商业化的运营,它会把其他技术整合进来。”

技术推动越来越多的工具出现,这些工具会改变我们的娱乐,也会改变一些数据的结构。

Sangbae Kim 则认为机器人与人之间会越来越可理解,交流速度会变得越来越快。但也有不好的方面,人和人之间的交流变得更难了。

谈及技术会不会给人们带来恐惧,Gary Bradsk 表示 “我们不能往回走,还要不断地前进,新的技术可以实现按一下按钮就可以帮助我们解决很多的问题,这都是以互联网为基础的发展。但我也同意关于人类作用的一些看法,我们不能压制技术。”

汪从青则认为,“很多技术都是很有用的,未来我们就不再需要任何一个键盘了,用一个声音,或者手势等等,用今天已经有的技术,和你的设备进行自然的交流,这需要非常深度的学习,需要技术更多的融合和发展。”

关于下一个革命技术,很多人谈到了虚拟现实,也有人认为是机器人,我们也知道了以 AlphaGo 为首的人工智能从未受到如此多的大众关注过。

对于各位不同领域的圆桌嘉宾显然会有不同的看法,甚至可以说是 “偏科”。但主旨是谁也不会知道确切的答案,人们必须要和这些智能技术共存下去。

robot

高桥智隆和他的机器人

高桥智隆认为,“下一步的创新,替代手机的是这个机器人(指着他带来的机器人)。这个带着虽然不是很方便,但我们是一直朝着这个方向努力的,我们不希望只和手机交流,还希望能和动物交流,比如乌龟等等,如果真正实现这种深度的智能,我认为将是未来下一代的智能手机,我不知道智能手机下一代将会是什么。”

但技术也并不会 “控制” 人类或 “取代” 人类,因为技术的背后始终是人性,人们不应该惧怕它。

Sangbae Kim 认为,“现在有很多的想法,或者项目,我认为人性是最重要的,我们不可能将技术推动到所有人都恨它,最终技术是为人们服务的,虽然我们有非常强大的算法,但实际上,人是在背后的,人性是无法替代的。”

“未来有很多东西将要离开我们的控制,我觉得我们能够控制技术方面的,特别在深度学习方面,我们并没有做任何的设计,它是自己学习的。这些设备能控制某一个系统,比如我们的武器系统,或者网络,交流系统。我们无法控制的是,只是需要一个人来做这样的设备,只要项目中出一个问题,就会出现非常恐怖的结果。” 汪从青补充。

Gary Bradsk 则认为,“我们的想法是,我们处理的计算需求 MIT 是最好的,他们有最好的基础设施,这个基础设施要给全世界使用。而我做了一个实验室,用来加速视觉智能的项目,我现在已经把它推到下一个阶段了,我希望摄像头用光学、视学来替代。”

 

题图来自:wired

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中