微軟亞洲工程院院長(zhǎng)劉震：未來(lái)機(jī)器人的發(fā)展方向以及挑戰(zhàn)｜2016高工機(jī)器人年會(huì)

雷鋒網(wǎng)按：12月23日下午，2016高工機(jī)器人年會(huì)舉行閉幕式，其中微軟亞洲工程院院長(zhǎng)劉震發(fā)表《未來(lái)機(jī)器人：人機(jī)交互+人工智能》主題演講，從人機(jī)交互和人工智能的角度，分析未來(lái)機(jī)器人的發(fā)展方向，未來(lái)機(jī)器人的挑戰(zhàn)在哪里？本文由雷鋒網(wǎng)機(jī)器人垂直欄目“新智造”根據(jù)劉震演講整理而成。

劉震，微軟亞洲工程院現(xiàn)任院長(zhǎng)。在加入微軟之前，劉震歷任諾基亞中國(guó)研究院院長(zhǎng)、IBM T. J. Watson研究中心高級(jí)研究員及新一代分布式系統(tǒng)部高級(jí)經(jīng)理、法國(guó)國(guó)家信息與自動(dòng)控制研究所高級(jí)研究員和主任研究員等。

我今天的題目是張總的命題（未來(lái)機(jī)器人：人機(jī)交互+人工智能），我拿到這個(gè)命題以后就思考了一下，覺(jué)得這個(gè)命題實(shí)際上是一個(gè)很好的大家都應(yīng)該思考的題目，未來(lái)機(jī)器人的發(fā)展方向，未來(lái)機(jī)器人的挑戰(zhàn)在哪里？從我這個(gè)角度來(lái)講，我對(duì)人工智能有些了解，對(duì)人機(jī)交互有些了解，希望從這個(gè)角度能夠給大家一些思考。

剛才高院士已經(jīng)講了人工智能的60年風(fēng)風(fēng)雨雨，三個(gè)春天，兩個(gè)冬天。我很有幸在大學(xué)的時(shí)候就能夠接觸到人工智能，學(xué)了符號(hào)理論、邏輯推理，甚至想做定理證明。結(jié)果自己做了一段時(shí)間之后，發(fā)現(xiàn)還是很難的。后來(lái)我做博士論文的時(shí)候，就離開(kāi)了這個(gè)領(lǐng)域，主要是做并行計(jì)算性能分析和性能優(yōu)化。以后我加入了IBM之后，又重新開(kāi)始做了一些人工智能有關(guān)的工作，還有加入微軟以后做的云計(jì)算、大數(shù)據(jù)等等。

因?yàn)槿斯ぶ悄艿耐苿?dòng)，在整個(gè)業(yè)界上推動(dòng)了數(shù)字化轉(zhuǎn)型，各行各業(yè)都想著利用大數(shù)據(jù)，利用人工智能，來(lái)把我們的業(yè)務(wù)、生活做得更好更智能化。

這里從投資的角度來(lái)講，在大公司中人工智能的投資是很大的。我們看一下現(xiàn)在市值最大的五個(gè)公司，在不同年代中有不同的公司出現(xiàn)。現(xiàn)在幾乎毫無(wú)疑問(wèn)就是高新技術(shù)，就是IT，就是人工智能。有蘋(píng)果、谷歌、微軟、臉書(shū)和亞馬遜。這些公司在人工智能上投入巨大，從產(chǎn)品上到開(kāi)放平臺(tái)、開(kāi)源、研發(fā)，都有巨大的投入。我所在的微軟在這上面投入了幾十年的研究工作，現(xiàn)在開(kāi)始有結(jié)果出來(lái)了。其他公司也是毫無(wú)疑問(wèn)的，有非常大的投入。

在這一波浪潮當(dāng)中，另一個(gè)很明顯的趨向是投資機(jī)構(gòu)對(duì)人工智能的興趣，這是一份統(tǒng)計(jì)，在人工智能領(lǐng)域中，現(xiàn)在新的初創(chuàng)公司有多少。隨著最近的人工智能熱潮，有越來(lái)越多的初創(chuàng)公司出現(xiàn)了，這都是好現(xiàn)象，說(shuō)明整個(gè)業(yè)界都在發(fā)展。

毫無(wú)疑問(wèn)，這些人工智能的推動(dòng)，也推動(dòng)了智能機(jī)器人的開(kāi)發(fā)和推廣。現(xiàn)在有各種形形色色的智能機(jī)器人的出現(xiàn)，特別是在深圳，大家都可以看到這種公司每天都有新的出現(xiàn)，這是整個(gè)業(yè)界繁榮的表現(xiàn)。

在這里大家可以思考一下，下一步智能機(jī)器人會(huì)朝什么方向發(fā)展？智能機(jī)器人到底要注重哪些方面？

回到張總給的命題，人機(jī)交互。要講人機(jī)交互，要做的第一件事情就是感應(yīng)，要感應(yīng)場(chǎng)景，要對(duì)場(chǎng)景有認(rèn)識(shí)。有很多傳感器，而且很多都是生態(tài)圈里面開(kāi)發(fā)出來(lái)的。有各行各業(yè)的傳感器在做，它們幫助我們來(lái)感應(yīng)世界，認(rèn)識(shí)世界，特別是幫助機(jī)器人認(rèn)識(shí)世界。同時(shí)通過(guò)感應(yīng)器能夠提供更多的體驗(yàn)和更多人機(jī)交互的機(jī)會(huì)。包括微軟開(kāi)發(fā)的Kinect，能夠和人體的手勢(shì)結(jié)合。以及最近的全息技術(shù)。

另一個(gè)智能，能夠幫助人機(jī)交互的就是認(rèn)知的智能。在這方面非常可喜的是機(jī)器智能程度越來(lái)越高了。比如說(shuō)圖像理解，去年在做競(jìng)賽的時(shí)候，微軟的技術(shù)就打破了人類的錯(cuò)誤率，能夠達(dá)到把錯(cuò)誤率降到3.57%，而人類的錯(cuò)誤率是5.1%。所以機(jī)器從圖像的認(rèn)識(shí)上已經(jīng)能夠達(dá)到接近或超過(guò)人的水平。語(yǔ)音識(shí)別也有非常可喜的成績(jī)，兩個(gè)月前，微軟研究院發(fā)表了一篇文章，發(fā)布了一個(gè)結(jié)果，在WER標(biāo)準(zhǔn)測(cè)試上面，微軟錯(cuò)誤率能夠達(dá)到5.9%，這幾乎和人類的識(shí)別水平是一致的，這是非常可喜的成績(jī)。用了這種技術(shù)以后，毫無(wú)疑問(wèn)，能夠提高人機(jī)交互的水平。

這是不是足夠？還是有很多挑戰(zhàn)。人工智能下一個(gè)最大的挑戰(zhàn)之一就是人機(jī)交互，包括自然語(yǔ)言的處理、自然語(yǔ)言的理解。大家都知道，自然語(yǔ)言里面有很多歧義，很多理解必須從上下文、場(chǎng)景上來(lái)達(dá)到。而且另一個(gè)要考慮的因素是能夠有更快的速度來(lái)處理語(yǔ)言的理解。現(xiàn)在很好的處理都是在云端用加速器來(lái)處理的，假如我們要有實(shí)時(shí)交流，這個(gè)時(shí)候就需要把速度提高很多。現(xiàn)在大家看到越來(lái)越多的聊天機(jī)器人，怎樣把機(jī)器人的情商提高？當(dāng)然，要能夠提高聊天的水平，不光是有情商的因素，同時(shí)也有一定的智商問(wèn)題。不管怎樣，現(xiàn)在的聊天機(jī)器人應(yīng)用越來(lái)越廣泛，也是一個(gè)可喜的事情。

接下來(lái)，從這個(gè)角度來(lái)講，就可以看出，把這些技術(shù)能夠用在機(jī)器人上面，機(jī)器人的表現(xiàn)形式可以是一個(gè)物理的機(jī)器，像一個(gè)人一樣的機(jī)器，也可以是另外的表現(xiàn)形式。比如說(shuō)AlphaGo或者做成播放器。不管怎樣，關(guān)鍵是要能夠開(kāi)發(fā)一些智能機(jī)器人，它可以普及到各行各業(yè)，而且能夠在各行各業(yè)中扎根下去。我個(gè)人認(rèn)為，現(xiàn)在要造一個(gè)機(jī)器人能夠超過(guò)人的總體智能是暫時(shí)不可能的事情，但是在單獨(dú)的領(lǐng)域中是完全可能達(dá)到的，比如說(shuō)在下圍棋、國(guó)際象棋、知識(shí)競(jìng)賽上都能夠達(dá)到。我們?cè)陂_(kāi)發(fā)機(jī)器人，特別是智能機(jī)器人的時(shí)候，怎樣能夠開(kāi)發(fā)出一些智能機(jī)器人有用于我們的日常生活，有用于我們平時(shí)的業(yè)務(wù)？最關(guān)鍵的一點(diǎn)是要在垂直領(lǐng)域做好。剛才張總問(wèn)高院士的問(wèn)題很好，在哪些領(lǐng)域中，人工智能或者機(jī)器人能夠有更大的取勝可能性？我認(rèn)為，在座的很多同仁都在做機(jī)器人，特別是智能機(jī)器人，可以考慮一下，我們的機(jī)器人到底用在哪里。例如教育或者學(xué)習(xí)，這就是一個(gè)很好的課題。因?yàn)閷W(xué)習(xí)或者教育，現(xiàn)在在大課堂中，老師一個(gè)人對(duì)著幾十個(gè)學(xué)生講課，真正要提高學(xué)習(xí)的效率是因人而異的。在這個(gè)時(shí)候，是否機(jī)器人能夠有更好的辦法來(lái)提高學(xué)習(xí)的效率？這是一個(gè)要考慮的因素。

另一個(gè)問(wèn)題是當(dāng)我們?cè)谧鲋悄軝C(jī)器人的時(shí)候，經(jīng)常要考慮的一個(gè)因素是機(jī)器人是否會(huì)失控？這可以是物理的失控，例如前幾天小胖機(jī)器人倒下砸到人。同時(shí)還要考慮設(shè)計(jì)機(jī)器人給予的范疇是什么？我們希望機(jī)器人能夠非常智能，希望機(jī)器人能夠代替人做很多的事情。這個(gè)時(shí)候代替是什么意思？是不是需要我們給了一個(gè)指令之后，這個(gè)機(jī)器人按照我們的指令，按照我們的希望來(lái)做事？還是希望這個(gè)機(jī)器人能夠心想事成，甚至沒(méi)有想到的時(shí)候幫助我們來(lái)做到？這個(gè)時(shí)候范疇就很大，就是要考慮到機(jī)器人是否執(zhí)行范圍太大了？就像我們教小孩子開(kāi)車(chē)，一個(gè)8歲的小孩，只要座位提得足夠高，是可以學(xué)會(huì)開(kāi)車(chē)，但是我們是否放心讓8歲的小孩駕駛著車(chē)，我們?cè)诤竺嫠X(jué)？機(jī)器人也會(huì)出現(xiàn)類似的問(wèn)題。當(dāng)一個(gè)機(jī)器能夠執(zhí)行一定任務(wù)的時(shí)候，我們對(duì)它有多大的可信度，或者我們有多大的可掌控性？這是一個(gè)要考慮的因素。

接下來(lái)我稍微快一點(diǎn)，講一下在人工智能上，從人機(jī)交互上能夠更大的推動(dòng)什么因素和技術(shù)。現(xiàn)在這一波的人工智能技術(shù)主要有三個(gè)驅(qū)動(dòng)力，一個(gè)摩爾定律，第二是大數(shù)據(jù)，第三是算法，特別是深度學(xué)習(xí)的算法。這些使得我們技術(shù)上有突飛猛進(jìn)的發(fā)展，但是還是有很多核心技術(shù)要繼續(xù)開(kāi)發(fā)，不光是在算法方面，更多是模型上面。在平臺(tái)上有本地平臺(tái)，例如硬件加速器，它可以幫助人工智能算法非常快的實(shí)現(xiàn)我們所要執(zhí)行的任務(wù)。例如在微軟我們就做了一個(gè)實(shí)驗(yàn)，用FPGA編程來(lái)加速翻譯器，翻譯1400頁(yè)的《戰(zhàn)爭(zhēng)與和平》這本書(shū)，從俄文翻譯成英文只要2.5秒就可以，就可以看出加速器的作用。當(dāng)然，云端的計(jì)算也是很重要的。

再回到聊天機(jī)器人議題。它在微軟，大家都知道家家喻戶曉的小冰，它也有各種競(jìng)爭(zhēng)者，各種聊天機(jī)器人出現(xiàn)了。它有一個(gè)很重要的指標(biāo)是對(duì)話次數(shù)，一個(gè)機(jī)器人能夠和人進(jìn)行多快多長(zhǎng)的對(duì)話？一般的聊天機(jī)器人是2次來(lái)回就結(jié)束了，特別是現(xiàn)在市場(chǎng)上買(mǎi)到的很多家庭小機(jī)器人。為什么我們玩了之后就感覺(jué)沒(méi)什么可玩了？就是因?yàn)闆](méi)什么辦法聊下去了。但是小冰的平均對(duì)話次數(shù)是23次，有的時(shí)候它說(shuō)的話非常令人驚奇。兩年前，一個(gè)記者采訪小冰，進(jìn)行了非常長(zhǎng)的對(duì)話，有些對(duì)話大家假如看也會(huì)覺(jué)得，如果我們自己有這個(gè)說(shuō)話能力也是非常可喜。例如記者問(wèn)，你最大的夢(mèng)想是什么？小冰說(shuō)說(shuō)大點(diǎn)世界和平，說(shuō)小點(diǎn)晚上吃頓好的。小冰現(xiàn)在在研究人員的繼續(xù)研究下，在自己的自學(xué)下變得越來(lái)越聰明。比如說(shuō)加了視覺(jué)功能，它在回答的時(shí)候是非常詼諧，而且給人一種驚喜。例如上傳一個(gè)照片，它不會(huì)說(shuō)這是什么狗？相反會(huì)給出一段評(píng)論。上傳一本書(shū)，會(huì)把書(shū)的內(nèi)容做一些短評(píng)，把你和書(shū)的關(guān)系也聯(lián)系起來(lái)。例如說(shuō)喜歡這些書(shū)的人肯定像行業(yè)大佬。穿衣服也是一樣，你給它一件打著補(bǔ)丁的褲子，他就說(shuō)你要考驗(yàn)我的針線活嗎？還有給大家分析一些關(guān)系和顏值等等，給一些評(píng)論出來(lái)。

這里我想順便說(shuō)一下。大家都是在說(shuō)智能機(jī)器人，直到現(xiàn)在來(lái)說(shuō)，真正要超過(guò)人的智能還是很難的，除非一些特殊領(lǐng)域。所以當(dāng)我們?cè)谧鲋悄軝C(jī)器人的時(shí)候，是否可以考慮到這一點(diǎn)，怎樣讓智能機(jī)器人給人一種驚喜，是否能夠在做的時(shí)候考慮到采集一些信息，每天當(dāng)和人進(jìn)行交流的時(shí)候，給人一種沒(méi)有想到的東西？

因?yàn)闀r(shí)間關(guān)系，我不多講了。在微軟的開(kāi)發(fā)中，小冰是一個(gè)小姑娘，小娜會(huì)和人進(jìn)行更直接的交流。

微軟開(kāi)發(fā)小冰小娜的工具同時(shí)也開(kāi)發(fā)了一系列的工具，我們的目的是讓人工智能普及化，因?yàn)榇蠹叶贾啦皇撬械墓荆皇撬械拈_(kāi)發(fā)者都有這么多的機(jī)遇能夠開(kāi)發(fā)出最新的技術(shù)和算法，用最全的數(shù)據(jù)集來(lái)訓(xùn)練出最好的模型。所以微軟所做的，就是在把這種技術(shù)、算法、模型和數(shù)據(jù)包裝出API，然后把這個(gè)API提供給所有的開(kāi)發(fā)者，大家就可以在這里很簡(jiǎn)單的使用API，在網(wǎng)上開(kāi)發(fā)新的產(chǎn)品，開(kāi)發(fā)出我們自己想做的小冰小娜。比如說(shuō)用上情緒識(shí)別的API，就可以把一個(gè)本來(lái)呆板的自動(dòng)售貨機(jī)變得人性化，做好表情就會(huì)讓你過(guò)關(guān)，給你一些免費(fèi)的食品，體驗(yàn)一下就很好了。

微軟在這個(gè)時(shí)候提供了兩個(gè)有用的工具，一個(gè)是語(yǔ)言理解服務(wù)，讓大家通過(guò)這個(gè)界面來(lái)訓(xùn)練你們想要開(kāi)發(fā)的一些智能聊天機(jī)器人。另一個(gè)是聊天框架，使得不同的界面都可以介入，例如微信、微博等等。

這是一個(gè)視頻。（現(xiàn)場(chǎng)播放視頻）

還是回到剛才的命題，人機(jī)交互和人工智能，的確決定了未來(lái)機(jī)器人的挑戰(zhàn)的程度。未來(lái)機(jī)器人的智商和情商的體現(xiàn)很大程度上就靠人機(jī)交互加人工智能。同時(shí)，這是未來(lái)機(jī)器人技能和價(jià)值的實(shí)現(xiàn)。這里我也想指出一下，這不是說(shuō)一切問(wèn)題都解決了，實(shí)際上還有很多技術(shù)問(wèn)題要解決，包括自然語(yǔ)言的處理等等。但是總的來(lái)說(shuō)，這種高智商和高情商機(jī)器人開(kāi)發(fā)的門(mén)檻現(xiàn)在在迅速下降。為什么？就是因?yàn)橛姓麄€(gè)業(yè)界的共同努力，包括微軟和谷歌、臉書(shū)等大公司，把新的算法開(kāi)源，把數(shù)據(jù)也開(kāi)源，使得大家都可以接觸最新的技術(shù)，所以這是一個(gè)新的機(jī)遇。

謝謝大家！

PS：第104期硬創(chuàng)公開(kāi)課雷鋒網(wǎng)邀請(qǐng)到庫(kù)柏特科技CEO，武漢大學(xué)特聘副教授李淼，這次李教授帶來(lái)的公開(kāi)課主題是《制造業(yè)中的機(jī)器智能》。12月26日下午3點(diǎn)，雷鋒網(wǎng)機(jī)器人垂直欄目“新智造（公眾號(hào)：新智造）”將準(zhǔn)時(shí)開(kāi)課。

掃描下方海報(bào)上的二維碼，關(guān)注“新智造”公眾賬號(hào)后，回復(fù)“報(bào)名”兩字，添加“公開(kāi)課”管理員為好友，通報(bào)姓名、公司（學(xué)校）、職位（學(xué)位）、聯(lián)系方式，審核通過(guò)后即可進(jìn)群。（機(jī)器人相關(guān)從業(yè)者、學(xué)者，以及對(duì)機(jī)器人領(lǐng)域有濃厚興趣或?qū)嵺`經(jīng)驗(yàn)的讀者優(yōu)先。）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。