未来的诗和远方，或许是机器人为我们“负重前行”******
近日，美国研究人员在探索一种新的机器人训练方法时发现，对工具的语言描述可以促使模拟机器人加速学习使用各种工具，也就是说，熟练使用工具的机器人可以帮助人类完成重复性或挑战性任务。
根据用途的不同，机器人可以被划分为工业机器人、服务机器人以及特种机器人，其中“服务机器人”与我们的生活最为贴近。它们正在为不断上升的劳动成本提供解决方案，并开启了一种崭新的人机互动方式。今天，一起来看看世界各地的机器人在为我们的生活做着哪些努力吧！
图源：pixabay
01
赶配送
目前，一些配送机器人已经可以通过使用多传感器导航系统，在导航过程中辨别二维或三维的结构，精准、灵敏地识别障碍，实现厘米级避障、秒级反应速度，大幅度提高对环境的感知能力，保证配送过程的导航稳定性。华盛顿Steak N Egg Diner餐厅老板奥斯曼·巴里（Osman Barrie）从一家名为Bear Robotics的初创公司租用了一台名为“Servi”的机器人，负责摆桌子、供应食品和饮料。
图源：巴伦周刊
02
跳舞蹈
美国工程与机器人设计公司波士顿动力（Boston Dynamics）联动自家的四足机器人Spot和人形机器人Atlas跳起了男团舞。它不仅可以完成动作，还能将歌曲MV中的人物动作模仿出来。这些舞蹈的展示不但有趣，还体现了机器人之间如何稳健、灵活地合作。
图源：Boston Dynamic
03
做手术
医学手术通常要求高精度操作。以玻璃体视网膜眼科手术为例，理想手术操作精度要求为10微米，是头发直径的1/8。而医生手部物理抖动幅值一般为100微米，这意味着完成一台高精度手术对医生的要求极其苛刻。
有了手术机器人的介入，医生可以在相机反馈的辅助下，利用操纵杆控制眼球切口中的微型视网膜手术机器人R2D2，将起皱的视网膜（厚度仅有10微米）铺平，修复病人的视力。
图源：pixabay
04
修动车
配备机器视觉、图像识别等技术，动车组检测机器人已经拥有了动车一级检修作业能力。
它由检测机器人、中心服务器、手持移动终端、列位检测和信息管理平台等五大模块组成，可全自动检测所有型号动车组车底和转向架可视部件，具备数据无线传输、故障自动判断等功能，作业效率是人检的2.75倍。
图源：pixabay
05
做刑侦
日本机器人公司SBRH研发了一款机器人Pepper，可以对人类的面部表情进行识别和解读，与人脸识别技术相伴而生。通过对人类情感甚至是心理活动的有效识别，使机器人获得类似人类的观察、理解、反应能力，可应用于机器人辅助医疗康复、刑侦鉴别等领域。
图源：中国机械工程学会
06
助行走
2014年，世界杯开幕式首次由一位瘫痪少年负责开球。这位少年借助先进的机械外骨骼结构，通过大脑意识从轮椅上站起来大脚开球。
机械外骨骼结构被视作“可穿戴的机器人”，兼具有机器人的智能性与人体骨骼的仿生性：外骨骼通过各类传感器探测脑内电极和肌肉电信号，将活动信号传输给机器人，机器人再进行具体的机械动作。
图源：环球网
07
做清洁
目前使用最普遍的是清洁机器人。随着技术的迭代升级，清洁机器人的功能逐渐多样化，也可以满足多样化清洁需求，已经应用至交通枢纽、写字楼、园区等诸多场景。同时，清洁机器人的产品品类也日渐多元化，除了可以地面清洁之外，还出现了泳池清洁机器人以及解决幕墙清洗难题的高空清洁机器人。
图源：pixabay
08
忙配药
零售药店沃博联（WBA）正在研究使用机器人技术来配药。目前该公司配置了9个自动化“微型配送”中心，机器人可以配制80种不同的药物，为2000多家药房提供支持，每小时最多可以处理300张处方的配药，这与一家人手充足的药房一天配药数量相同。
这不仅是为了节省劳动力成本，还可以缩短病人在药房里的等待时间，药剂师可以投入更多精力为病人提供咨询服务，处理紧急处方需求等。
图源：pixabay
09
进厨房
美国连锁餐厅Chipotle Mexican Grill （CMG）最近开始在洛杉矶测试机器人Chippy，这款机器人专门用来制作玉米片。它能把玉米片浸入热油中，搅动油锅中的篮子，然后用盐和酸橙调味。CMG首席技术官库尔特·加纳（Curt Garner）称，虽然仍然需要人工打包和上菜，但在订单激增的午餐高峰期机器人是不可或缺的。
图源：pixabay
10
帮搜救
哈佛大学的研究人员从蚂蚁中获得灵感，利用“光激素”设计出一组机器人RAnts。这种机器人可以相互响应，协同工作，并对环境做出反应。RAnts 仅通过简单的本地规则进行编程，遵循光敏场的梯度，避开光敏素密度高的其他机器人，并在光敏素密度高的地方捡起障碍物，然后将它们扔到光敏素密度低的地方。
根据这些规则机器人可以实现复杂的集体“越狱”行动，并在未来应用于解决复杂的问题，如建筑、搜救和防御。
图源：网络
机器人的功能多样化离不开其3D视觉系统、位置测绘以及机械工程的进步。“集群智能”（swarm intelligence）也越来越帮助机器人共享任务并一起工作。此外，通过5G或Wi-Fi网络连接，可以实现对机器人的远程监控、编程和故障排除。
知识的量化与技术的进步不断为机器人带来新变化，而对于人本身而言，其最宝贵的智慧与灵性终究不可量化。如何做好机器与人的协同共生是未来我们共同面对的课题。
审核：张宁 策划：李政葳 撰文：穆子叶 编辑：李飞
参考 |新华社、参考消息网、科学网、科技日报、虎嗅
聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******
中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。
美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。
国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。
中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。
中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。
美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。
中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。
2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)
