时隔一年 Vijay Kumar 再登 GAIR 讲台，讲述自动化的技术与社会挑战 （下） | CCF

本篇文章3888字，读完约10分钟

据雷锋说。这篇文章是由美国宾夕法尼亚大学工程学院院长维贾伊·库马尔在ccf-gair会议上分享的，题目是“自治的挑战”。雷锋。com编辑了全文。全文分为两个部分，以下是第二部分。

门户网站:维贾伊·库马尔将在一年后再次去gair平台谈论自动化的技术和社会挑战(一)

2017年7月7日至9日，全球人工智能与机器人峰会ccf-gair会议在深圳成功举行。本次活动由中国计算机学会主办，雷和香港中文大学协办。来自世界各地的30多位顶尖院士和近300家ai明星ai企业齐聚一堂，参加智能技术产业盛会。

在无人驾驶飞行器领域，维贾伊·库马尔被称为“无人驾驶飞行器的大神”。他在多机器人编队控制和协调方面做出了巨大贡献。2016年，维贾伊·库马尔(vijay kumar)在ccf-cair Summit上介绍说，无人驾驶机会正朝着小型、安全、智能、速度和群体的“5s”趋势发展。一年后，维贾伊·库马尔又去了盖尔平台。今年，维贾伊·库马尔发表了一个主题为“自治的挑战”的演讲，重点是自动化浪潮的技术和社会挑战。维贾伊·库马尔(Vijay kumar)是宾夕法尼亚大学工程学院的院长，美国国家工程学院的院士，美国电气和电子工程师协会的ieee研究员。

以下是维贾伊库马尔的速记演讲全文。雷锋。(公开号码:雷锋。com)在不改变初衷的情况下进行了精编:

机器学习的意义当谈到自动驾驶汽车或无人驾驶飞机时，每个人都说我们应该进行机器学习，我们正在进行机器学习，但它有许多局限性。我们想让机器学习。如果操作者和设计者想要打破固有的框架，我们希望机器做更多的事情。例如，我们可以做一些由人控制的抽象算法，比如动态模型。我们想学习如何避免高速碰撞。我们可以用一些电脑来学习如何收集、分析和处理数据。那时，我们也可以让我们的机器做更复杂的操作。

此外，汽车也可以越过一些障碍，但它们需要掌握更复杂的技能，这是机器学习的重要意义。为了能够在更复杂的环境中驰骋，我们必须解决一些问题，包括计算机技术的发展，它可以使计算机做更复杂的信息和建立不同的传感器来获取更多的信息。我知道它后面有一张桌子、一把椅子和一扇门，这样就可以建立图像来帮助计算机学习和理解周围的环境。目前，我们的计划和控制不能通过机器学习来实现。

实验性深度学习有助于精准农业。在我的实验室里还有一部分深度学习，这就是我们所说的精准农业。当机器穿过橘子林时，它可以计算出橘子的数量。飞机起飞后，它可以穿过橘子林，准确地得到橘子的数量。我们的计算非常重要。然而，这样的成就可以让农民知道今年的收成如何，从而更好地优化其生产系统，包括后续的水果采摘、运输等，这对丰收的一年非常有帮助。例如，当你数到一半时，一棵桔子树就不能被数了。现在有了这项技术，你可以得到95%的数据，这对精准农业非常有帮助。

机器人和人工智能可以说是不可想象的。我们应该有更多的期望。1997年，格林斯潘试图用机器预测金融危机，但失败了。我们现在不能夸大人工智能的能力。我认为人工智能有局限性。

首先，有许多数据处理，需要机器学习。它会在学习过程中带来新的知识。现在，我们的数据量每九个月翻一番，我们学到的知识远远落后于这个速度。我想说机器应该能够加强学习。我们的计算非常复杂，现在我们可以进行高强度的计算，但这并不意味着机器可以自动完成这些事情。

第二，如果我们能数一下水果，99%的水果是对的。然而，我们可能需要大量的数据来完成这项任务。如果我们想把准确率从90%提高到99%，我们可能需要很大的努力来实现这个目标。因此，在某种程度上，我们需要的数据量是几何倍数的倍数。如果你想数水果，你可能不需要99.99%的准确率，但只需要90%。但是当你每分钟开车90分钟时，你需要99.99%的准确率。自动水果计数不一定要这么精确，但是如果你想开车或者在youtube上找到一只猫，精确度不一定要这么高，但是如果你想开车，精确度非常高。此外，在采取行动之前越来越难知道。同样，动作也是一样的。你必须在感知之后采取相应的行动，这个循环会给你带来大量的计算和数字。

最后，我之前没有提到这个，但是乌萨马·哈提卜教授提到了。也就是说，我们将更难取得实质性进展。尤其是在飞行和驾驶时，我们不会有实际的接触，而只能通过数据。但是如果你想有实际的接触，那就更难了。

未来，自动化机器人，人机交互，将是发展方向。现在我们对这一点的研究还很初步，除非我们能找到一种和谐的人机交互方式。我们可能会做一些非常简单的任务，将来会有更多的挑战。人工智能和机器人仍然需要很多努力才能进步。

此外，在能源问题上。在空.，我们需要200瓦才能举起一公斤如果你想举起一个50公斤的人，你可能需要更多的能量消耗。目前，我们的技术还没有达到这样的水平，尤其是要消耗的能量。如果模式不改变，将来就很难实现。因为你可以看到电池越来越贵了。我现在想去北京，路上可能会看到很多电动车。这意味着这款电动汽车的电池价格在未来将会下降，特斯拉也在建造自己的电池工厂。但是现在我们知道事情离理想还很远，将来我们会把很多东西放到天上去。这个过程需要消耗大量的能量。有一家名为jet optera的公司，它使用化学燃料的速度非常快，可以承受高达5磅的重量。尤其是在空航空业，没有化石燃料可能难以发展。

如何防止未来的工作被机器人取代？现在我们有很多挑战，比如在社会上。首先，世界是多样的，世界可以得到各种科学技术的发展和进步。我认为这叫做科技民主化。现在一个高中生比我大学毕业后更了解机器人。这是技术发展的速度。当然，也有许多机会和一些陷阱。我为什么这么说？我想给你看一幅漫画(上图)，我们发明轮子的时候是什么场景。如果有人想制造汽车，他必须富有。从这幅图可以看出，抬国王需要四个人，但是我们说只有国王可以坐轿子，其他人没钱坐轿子。但是现在有了轮子，三个人失业了，只需要一个人来拉车。似乎随着计算机技术的发展，机器人在未来可以完成越来越多的工作，许多人将会失业。对我们来说，将会有更多的技术呈现给我们。

从我们的角度来看，有这样一个金字塔，它会在研究时出现，并达到什么程度。这个金字塔显示的是底层，有很多人的工资很低，他们很可能被换成人民币，不管他们在哪个国家，都是一样的。然而，随着研究水平的不断提高，金字塔越往上，人就越少，社会财富总是掌握在少数人手中。你学习越多，你就有越多的机会接触高薪工作。目前的环境也是如此。

自四年前以来发生了巨大的变化，金字塔也发生了变化。我们都在讨论金字塔的哪一部分会慢慢消失。许多人认为机器人会从事最低端的工作，但我不这么认为，因为机器人还达不到三岁孩子的思维能力。我们不能用同一个机器人和一个五岁的中国孩子玩其他游戏，然后打败这个孩子。我们认为机器人在复杂的计算能力方面有局限性。他们不需要太多的训练仍然可以做得很好。但是四年之后，中间工作将会消失，也许不是最高层和最底层，但是中间工作将会交给这些人。现在最好是拥有中国大学的学位或者世界上最好的大学学位。你已经做到了。

在考试中取得了好成绩。但是机器人现在最擅长的是考试。所以对我们来说，如果你只是一台擅长考试的机器，今天你可能会被机器人取代。因为机器人可能在考试中比你做得更好，你的工作可能会在四年后移交给机器人。这是我们对机器人未来发展的设想。对我们来说，最好的解决办法是通过教育。我们应该继续学习，尽管我已经是教授了。拜登曾经说过，永无止境的教育可以帮助我们拯救社会，避免被机器人取代。

机器人的安全。我们很难理解机器人的安全性是什么。现在没有太多数据来指导和量化安全性。但是我们现在谈论的安全有很多种。

首先，所谓的验证。例如，如果你有一台洗衣机，你必须证明它是一台洗衣机。洗衣机的特点是你可以把衣服放在洗衣机里洗。所以你可以证明这台机器是一台洗衣机。但是现在很难证明它是一个机器人。

第二，信任。当我们提到这个机器人时，我们必须证明这个机器人实际上不会产生任何人类想要看到的结果。我们看看能否证明它不会泄漏，也不会造成电器短路。所以我认为信任也很重要。

第三，安全。在现实世界中，有两种方法可以真正触及一个系统或入侵一个系统。要么侵入系统要么侵入传感器。如果你想破解自动驾驶仪，它不是一个黑色系统，而是一个黑色传感器。要么摄像机或其他传感器被封锁，然后整个系统被封锁。谈到安全，很多人以前都没有提到或想过。在推广自动化系统的过程中，安全性非常重要。

我们生活在一个非常激动人心的时代。如果我们看看这个横轴，物理世界发生了一场革命，然后进入了半导体革命，然后互联网带来了网络革命。现在我们正在进行人工智能和机器人、现实世界和虚拟世界的结合。我们相信它在未来会继续普及，我们正在走这条发展之路。对人来说，已经发生了变化，但人的发展是一个线性过程。如果我们看看政府对技术的理解，以及政府如何通过技术促进政策。实际上，它比我们慢。人们不断适应各种技术，社交媒体非常好。现在我们不断接触、理解和适应机器人。

未来，将会有自动车辆和飞机。除了安全问题，我们还应该讨论政府政策和法律监督。许多政府还没有考虑到这一点。美国政府可能一直在讨论这个问题，而中国政府还没有讨论过许多关于自动车辆和无人驾驶飞机的法律监管问题。我相信这部分也是我们关注的焦点。我知道我们确实有奥萨马·哈提卜提到的潜水机器人和手术机器人，它们可以被有效地使用，但是我们应该讨论如何安全地使用它们。这在将来会变得越来越重要。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。