提到機(jī)器人，大家腦海中第一時間會浮現(xiàn)出怎樣的事物？
大概率情況下，要么是工業(yè)級/服務(wù)級機(jī)器人，以機(jī)械臂、簡單驅(qū)動型為主角，不講究外形美觀，動作也往往不怎么連貫，常常被冠以“人工智障”的美稱；
要么則是仿人機(jī)器人，它們總是出沒在伯克利或波士頓動力等高大上的實(shí)驗(yàn)室里，能夠以七十二般武藝讓人類忍不住發(fā)出“滅絕警告”，但必需的編程和持續(xù)作業(yè)能力，以及技能的泛化程度，卻都達(dá)不到大規(guī)模應(yīng)用的可能。
人與智能機(jī)器之間，有沒有第三種可能呢？
其實(shí)早在1960年，約瑟夫·利克萊德（J. C. R. Licklider）就曾提出了一個觀點(diǎn)——人機(jī)共生（Man-computer symbiosis）。
簡單來說，就是人類和電子設(shè)備以親密合作的方式生活在一起，甚至結(jié)成緊密的聯(lián)盟。兩者的結(jié)合，可以創(chuàng)造一種高產(chǎn)且生機(jī)勃勃的合作關(guān)系。
“人類機(jī)器命運(yùn)共同體”，聽起來是不是很心動？可惜的是，目前目前還很少見到人機(jī)共生體（man-computer symbioses）的出現(xiàn)。所以，最近中國機(jī)器人產(chǎn)業(yè)中出現(xiàn)的“發(fā)球機(jī)器人”，就引起了我們的注意。
原因無他，這或許是人機(jī)共生“星星之火”燎原的起點(diǎn)。
點(diǎn)燃人機(jī)共生的星火：
發(fā)球機(jī)器人的初蹄
首先有必要解釋一下，為什么說發(fā)球機(jī)器人，體現(xiàn)出了“人機(jī)共生”的現(xiàn)實(shí)趨勢。
這款發(fā)球機(jī)器人，起源于新松機(jī)器人與乒乓球?qū)W院一次偶然的談話。
當(dāng)前的乒乓球運(yùn)動存在一些亟待解決的問題：
一是效率。助教為專業(yè)運(yùn)動員喂球時，往往在速度、旋轉(zhuǎn)、落點(diǎn)控制、頻率等方面，難以達(dá)到高水平選手的訓(xùn)練需求；
二是統(tǒng)一。一旦助教出現(xiàn)疲憊、狀態(tài)不佳等情況，就會直接影響速度、旋轉(zhuǎn)等參數(shù)，影響訓(xùn)練特定技戰(zhàn)術(shù)動作的一致性，運(yùn)動員很難形成最佳的肌肉記憶；
三是反饋。乒乓球是一項(xiàng)實(shí)時性非常高的運(yùn)動，往往一秒之間幾個來回，過快的球速與落點(diǎn)的不確定性，也導(dǎo)致教練往往只能憑借經(jīng)驗(yàn)來反饋，很難通過量化來優(yōu)化教學(xué)，一些特定動作也就無法有效分析和復(fù)現(xiàn)。
四是普及。乒乓球的另一個身份是“國球”，中國有眾多的愛好者和青少年參與到這項(xiàng)運(yùn)動中來，但不同地域、不同水平的教練卻參差不齊，自然也就無法滿足更多人群享受乒乓球這項(xiàng)運(yùn)動的愿望。
能不能通過智能技術(shù)的引入，來解決上述問題呢？
深耕深度學(xué)習(xí)算法的龐伯特，就以新松的機(jī)器人研發(fā)技術(shù)和中國乒乓球?qū)W院的海量專業(yè)數(shù)據(jù)和課程，研發(fā)出了可以自主決策的人工智能發(fā)球機(jī)器人。
而讓龐伯特機(jī)器人得以勝任發(fā)球工作的幾大核心：
首先是感知。通過高速雙目立體視覺系統(tǒng)，機(jī)器人能夠捕捉高速運(yùn)動下的乒乓球位置，并形成球的軌跡，通過軌跡分析，在毫秒內(nèi)判斷球速以及球的旋轉(zhuǎn)方向，讓乒乓球技術(shù)轉(zhuǎn)化為可視的數(shù)據(jù)，實(shí)時調(diào)整，精準(zhǔn)化訓(xùn)練。
其次是決策：在軌跡分析的基礎(chǔ)上，龐伯特同時對人體動作進(jìn)行捕捉，通過與預(yù)設(shè)的動作角度進(jìn)行比對，分析運(yùn)動員動作是否到位。結(jié)合軌跡和動作兩個因素，判斷運(yùn)動員的水平，推薦課程。對于個人愛好者來說，相當(dāng)于擁有了一個專業(yè)教練+陪練。
再次是運(yùn)動。龐伯特機(jī)器人具有類人化結(jié)構(gòu)，不同于市面上以擠壓方式進(jìn)行發(fā)球的設(shè)備，龐伯特能夠高度模擬類人化的發(fā)球方式，模擬人類發(fā)球時對球方向和旋轉(zhuǎn)，實(shí)現(xiàn)兩跳發(fā)球。而利用不同的球拍膠面，還能打出不一樣的球，這些都能更好地輔助人類運(yùn)動員進(jìn)行訓(xùn)練。
顯然，龐伯特機(jī)器人正在將技術(shù)思維（technical thinking）與人類智慧相結(jié)合，為人機(jī)共生打開了新的窗口。
逃離恐怖谷：發(fā)球機(jī)器人昭示三重改變
從龐伯特機(jī)器人的實(shí)踐中不難看出，如果在人和機(jī)器之間建立共生關(guān)系，那么二者的合作互動顯然會大大改善很多現(xiàn)有問題。
由此也可以總結(jié)出，共生型機(jī)器人與大眾常見的傳統(tǒng)機(jī)器人有何不同之處：
首先，盡管所有人造系統(tǒng)都是為了幫助人類，但傳統(tǒng)的自動化機(jī)器人更多的是為了實(shí)現(xiàn)“人類增強(qiáng)”，而共生型機(jī)器人則是為了“與人類更好地生活在一起”。
還是以發(fā)球機(jī)器人為例，傳統(tǒng)的發(fā)球設(shè)備只是機(jī)械地?cái)U(kuò)展某項(xiàng)技能，比如取代人的手臂來進(jìn)行發(fā)球，往往需要人類助教來完成那些需要主動決策、調(diào)整、制定標(biāo)準(zhǔn)等工作，在效率和功能上并沒有帶來質(zhì)的改變。
而龐伯特機(jī)器人的特殊之處，就在于通過深度學(xué)習(xí)算法的引入，在智能程度上賦予了機(jī)器人新的高度。比如實(shí)時高通量的數(shù)據(jù)收集與處理；高效精準(zhǔn)專業(yè)的預(yù)判決策；個性定制化的訓(xùn)練反饋與指導(dǎo)；乒乓球運(yùn)動的隨機(jī)性又要求算法具備一定的泛化能力和高魯棒性……這些都是龐伯特機(jī)器人能夠成為乒乓球運(yùn)動伙伴的關(guān)鍵。
第二，共生型機(jī)器人必須具備可“實(shí)時”（real time）進(jìn)行的思考過程。
傳統(tǒng)的機(jī)器人可以根據(jù)預(yù)先設(shè)定的程序處理數(shù)據(jù)。比如餐廳服務(wù)機(jī)器人，輸入店內(nèi)地圖、設(shè)定好傳送菜程序之后只能按部就班地工作，有的甚至連避讓行人都做不到，因?yàn)樘崆霸O(shè)定會導(dǎo)致一旦出現(xiàn)不可預(yù)見的情況，整個過程就會停止。
但球類運(yùn)動可不一樣，乒乓球的高速運(yùn)動需要發(fā)球者做出毫秒級的判斷，像人一樣快速思考、分析、決策、反應(yīng)。對于人類來說都可能要靠直覺來完成的事情，對機(jī)器與人之間的耦合要求要緊密的多。
讓機(jī)器能夠做出決策和控制復(fù)雜的情況，而不依賴于預(yù)先確定的程序，就是龐伯特機(jī)器人向我們展示的現(xiàn)實(shí)圖景。
最后，共生型機(jī)器人有機(jī)會重構(gòu)機(jī)器人行業(yè)的商業(yè)方法論。
長期以來，傳統(tǒng)機(jī)器人市場的商業(yè)邏輯，要么是“人工+智能”，用真人來操控機(jī)器人模型，以達(dá)到模擬強(qiáng)人工智能的效果；要么是長期砸錢在天頂技術(shù)上，比如波士頓動力的機(jī)器人雖然炫酷，卻因商業(yè)化困難而賣身給軟銀。
但龐伯特機(jī)器人所代表的共生型機(jī)器人卻開啟了另一種模式，通過“真AI算法”+聚焦實(shí)用場景來切入市場。
我們注意到，除了發(fā)球機(jī)器人之外，龐伯特還打造了對打機(jī)器人。
將深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與強(qiáng)化學(xué)習(xí)相結(jié)合，讓對打機(jī)器人和發(fā)球機(jī)器人能夠通過大量復(fù)雜環(huán)境的交互，運(yùn)用各自的人工智能算法平臺，不斷得到反饋，互相學(xué)習(xí)到新的技能與策略，機(jī)器人之間的對戰(zhàn)也能不斷提升算法模型的復(fù)雜度與智能度。
同時，一旦高性能算法模塊被拼圖一樣使用，就能夠以低成本、小型化、高效率的方式快速打開市場，未來不止于乒乓球這一項(xiàng)運(yùn)動，更多場景都可以通過軌跡分析、動作分析、終端顯示等集成模塊帶來改變。
從這個角度看，龐伯特機(jī)器人正在重新確立人與機(jī)器、甚至是機(jī)器與機(jī)器的關(guān)系，即一種共生伙伴關(guān)系（symbiotic partnership）。在這一美好的畫面中，機(jī)器會為人類提供見解和決策，而人類則能更有效地進(jìn)行智力活動與創(chuàng)造。
打開產(chǎn)業(yè)智能的價值圖景：
挖掘人機(jī)共生的富礦
正如國際人工智能聯(lián)合大會前主席Francesca Rossi所說，人機(jī)共生是未來人類使用AI的最好方式。
那么，作為人類和機(jī)器的預(yù)期前景，其中是否也埋藏著商業(yè)價值的富礦呢？
答案是肯定的。
以龐伯特機(jī)器人為例，未來就有可能締造出不少新的產(chǎn)業(yè)機(jī)遇。
比如說，通過與海量運(yùn)動員對戰(zhàn)，發(fā)球機(jī)器人可以積累專業(yè)領(lǐng)域的數(shù)據(jù)，不斷優(yōu)化算法，快速提升自身的擊打能力和策略，衍生出個性化的對戰(zhàn)方式，來幫助運(yùn)動員更好地進(jìn)行訓(xùn)練。并將其輸出為可量化、可視化的訓(xùn)練標(biāo)準(zhǔn)，讓乒乓球的專業(yè)教育門檻下沉到普通人生活當(dāng)中。
再比如，分析決策算法的持續(xù)迭代，有望推廣到新的運(yùn)動和行業(yè)中去，以基礎(chǔ)化的能力支撐起千行萬業(yè)的智能化需求，成為“新基建”中不可或缺的一員。舉個例子，當(dāng)機(jī)器人與城市智慧健康系統(tǒng)結(jié)合，是否能夠作為市民健康的關(guān)鍵終端，來提供行而有效、可連可控的運(yùn)動網(wǎng)絡(luò)呢？
從這個角度延展開來，龐伯特機(jī)器人不僅能夠輸出算法模塊，還能夠向其他行業(yè)輸出軟硬件合一的整體智能解決方案。通過算法、硬件、人的交互，完成一次人機(jī)共謀的大變革。
站在萬物智能、人機(jī)共生的起點(diǎn)，不難預(yù)見人類和機(jī)器之間密切耦合的未來。與智能生命伙伴共舞，是人類必然的未來。而目睹了龐伯特機(jī)器人的我們，也正在經(jīng)歷種植AI的進(jìn)行時。
過去的數(shù)年間，讓深度學(xué)習(xí)擺脫需要大量輸入和人工的有監(jiān)督學(xué)習(xí)，一直是人類研究者努力的方向，為此推動了許多新的技術(shù)進(jìn)展，比如：
借助meta learning元學(xué)習(xí)算法，機(jī)器獲得了“泛化”，能夠舉一反三，學(xué)習(xí)協(xié)同性地處理多種任務(wù)；
借助Reinforcement Learning強(qiáng)化學(xué)習(xí)，機(jī)器懂得了“決策”，通過不斷地自我學(xué)習(xí)與回饋來抵達(dá)高級智能。
而這些能“擬人”的機(jī)器學(xué)習(xí)方法，也讓AI獲得了前所未有的能力，打敗柯潔李世石的DeepMind阿爾法狗、在DOTA2中團(tuán)滅人類電競選手的OpenAI Five、自動駕駛，乃至通用人工智能AGI，都是通過讓機(jī)器模仿人類對世界的認(rèn)知方式，以不斷探索、試錯、改進(jìn)的方式，與環(huán)境進(jìn)行實(shí)時交互，進(jìn)而提高自己的能力。
天地有正氣，雜然賦流形。今天，龐伯特也試圖讓機(jī)器人“自行進(jìn)化”，啟動了一場發(fā)球機(jī)器人教對打機(jī)器人打乒乓的“先鋒實(shí)驗(yàn)”。
通過兩臺機(jī)器人之間的相互“較量”，讓機(jī)器人身處在一個不可預(yù)期的環(huán)境中，依靠人工智能算法平臺主動生成一些標(biāo)記和標(biāo)簽來做決策判斷，獨(dú)立解決多個非線性的邏輯問題，通過“行動-評價”的強(qiáng)化學(xué)習(xí)機(jī)制來改進(jìn)自身，適應(yīng)新的環(huán)境，從而發(fā)展機(jī)器人間的校驗(yàn)標(biāo)準(zhǔn)。這會為成為機(jī)器人社會意識的起點(diǎn)嗎？