2021世界機器人大會第一天線下主論壇——“領航峰會”群星璀璨，產(chǎn)、學、研各領域大咖齊聚首，共話巔峰，為機器人未來發(fā)展領航。

峰會現(xiàn)場，中國科學院院士、清華大學人工智能研究院院長張鈸上臺發(fā)言，演講主題為《人工智能與機器人》。以下為張鈸院長演講內(nèi)容全文整理。

大家好，我主要是搞人工智能的，二十多年前也搞過機器人，所以今天是從人工智能的角度談機器人的問題，主要包括幾個方面：機器人和人工智能的關系，也就是機器人應該如何定位，如何擴大機器人的應用場景，現(xiàn)在機器人要發(fā)展和產(chǎn)業(yè)化，最關鍵的問題就是如何擴大應用場景，最后就是如何從結(jié)構(gòu)化環(huán)境走向非結(jié)構(gòu)化環(huán)境，人工智能會在其中起到什么作用。

可能大家對人工智能都比較感興趣，但大多數(shù)人對人工智能有很多誤解。人工智能究竟是干什么的？很多人都以為人工智能是用來模擬人類的智能，這個理解是錯的，因為我們對什么叫做人類的智能是說不清楚的，我們連智能都定義都不清楚，怎么可能利用智能定義人工智能？所以人工智能不是用機器模擬人類的智能，而是用機器來模擬人類的智能行為。

大家注意這里多了兩個字，模擬智能和模擬智能行為是完全不同的。舉個例子，我們沒法模擬人類的情感，因為我們不知道怎么定義，什么叫做快樂、什么叫做痛苦，快樂和痛苦在人類大腦和心理發(fā)生什么變化，到今天為止我們還不是很清楚，在這種情況下，我們不可能用機器模擬人類的痛苦和快樂，那我們用機器模擬人類的感情，模擬什么呢？模擬感情的表現(xiàn)，痛苦和高興地表現(xiàn)自己的行為。大家知道情感主要是從三個方面表現(xiàn)：臉部表情，你高興得眉開眼笑，還有語言和聲音，高興得哈哈大笑，肢體動作，高興得手舞足蹈。

我們從人類的面部表情、語言、發(fā)表的言論和動作判定你對這個事情的態(tài)度，這是情感分析，究竟是贊成還是反對，所以應該說人工智能是用機器模擬人類的以下四個方面的智能行為，理性行為包括感知和動作，此外還有情感和靈感等等。人工智能就是要模擬人類的這樣四個智能行為，那么大家肯定知道機器人和這個很相似。我們要做出一個機器，它的表現(xiàn)跟人相似，至于機器腦子里是不是這么想的，這不是人工智能現(xiàn)在要回答的問題，而是由心理學家和腦科學家逐步回答的問題。

但在這里有一個區(qū)別，機器人做的是機器，人工智能做的是智能體，就是用Agent來描述它，而不是智能機器，為什么？因為人工智能不光要做機器，還要做軟件、做器件，包括智能芯片，所以用智能體概括人工智能不僅要做硬件、做機器，還要做軟件、做系統(tǒng)、做元器件，這一點是和機器人有所區(qū)別的。

應該怎么定義機器人？我專門找了網(wǎng)上的定義，這里有非常不同的層次，最低的層次就是看成一個數(shù)字化設備，操作手可以通過程序控制，這是最低的層次，最高的層次幾乎跟人工智能一樣定義，具有認知、感知和情感的機器。實際上對機器人的理解寬度很大，最底層就是可編程的機器，最高層就是有各種各樣的智能的機器，我們在現(xiàn)階段應該怎樣看待機器人？我的看法是對機器人的認識是逐步的，也有一個發(fā)展的過程，大多數(shù)人認為機器人應該這樣定義，包括三大部分：感覺或者感知，可能通常做不到感知，只能做到感覺，后面就是操作器、消音器等等，中間的部分目前主要還是集中在控制、編程這些領域，智能的成分要逐步增加。

之前參加前幾屆的時候提出的是智能機器人，所以我們設計了五個部分：機構(gòu)、控制、傳感器、視覺和人工智能，我是負責人工智能的，那個時候最主要的任務是在機構(gòu)和控制，雖然我負責人工智能，但我?guī)缀鯖]法布置人工智能項目，當時我布置的人工智能項目主要是兩個內(nèi)容：機器人的運動規(guī)劃和任務規(guī)劃，所以當時只是一個參與研究，根本入不了機器人主題的主要部分，但前年我到以色列碰到以色列的教授辦的一個公司，專門做機器人的任意規(guī)劃和運動，所以我們可以認識人工智能是不斷地、逐漸地深入到機器人，不是一步到位的。

人工智能怎么介入機器人的發(fā)展過程？機器人和人工智能有很多重疊的地方，但我覺得機器人更要面向任務、面向應用。我們來看機器人和人的整個發(fā)展過程，可以看到中間有沒有交集，現(xiàn)代機器人的發(fā)展差不多也是上個世紀五十年代，跟人工智能差不多的時候，人工智能是1956年，機器人大致也是這樣，但我們可以看一看兩個發(fā)展的進程非常不一樣。機器人基本上是平穩(wěn)發(fā)展，起伏不大，人工智能是起伏極大，一會兒高興一會兒低潮，那么人工智能在機器人今后的發(fā)展中會起到什么作用？

最初開始機器人是在美國實驗室做的，六十年代主要是這兩個體系：比如斯坦福的機器人機械臂，工業(yè)機器人還沒有出來，就是叫做Manipulator操作手，另外就是這樣一個車，差不多六十年代的時候就是這兩個實驗，這是現(xiàn)代機器人的兩個雛形，一個就是機械臂的發(fā)展，一個就是移動機器人的發(fā)展。

機器人產(chǎn)業(yè)派出了兩個分支：一個是以多關節(jié)機械手為代表，最早用于制造業(yè)，后來就是千方百計地希望用到其它領域，有的是建筑用的，有的是電線用的，就是機器人巡檢和建筑，大家應該認識到，那個時候叫做特種機器人，這是一條發(fā)展的路徑，大家可以看出走得還是很艱難的，不是機械臂那樣一下子形成大市場，那么問題在哪里？

首先是安全性，我們?nèi)绻饕性诳刂频脑?，比如醫(yī)療機器人、手術機器人，也是類似機械臂那樣，但對安全性的要求有多高？國內(nèi)也有很多大型醫(yī)院購買達芬奇機器人，最早的時候是1000萬美金，現(xiàn)在變成1000-2000萬人民幣，已經(jīng)做了兩三百萬次手術，因為機器人故障死了80個人，今后還會死人的，主要就是因為控制出毛病，或者漏電或者控制系統(tǒng)有問題，我們要將機器人變成產(chǎn)業(yè)，而且還要求既廉價又可靠，這對產(chǎn)業(yè)來講是最大的困難，要是高質(zhì)量廉價我們會干，但又廉價又可靠很難，需要大家下功夫。故障的主要原因還是機構(gòu)和控制，這跟人工智能沒關系。

剛才講到可靠性，另外就是應用場景，我們要為機器人選擇一個好的應用場景不是很容易的，最近做的機器人主要就是教育、小型裝備這些領域，基本上可以做到年產(chǎn)量1萬臺，這在中國還算是不小的了，而且大部分是出口，其實是改變了應用場景，因為原來一個傳統(tǒng)的制造業(yè)，特別是大型高精度高速，我們肯定不如國外，改變應用場景以后完全可以自主生產(chǎn)，所以這也是一個非常好的例子，國家也很重視，目前出口還是占了很大比例，所以我們要做傳統(tǒng)機器人，擴大應用場景，這本身就是一個非常大的創(chuàng)新。

現(xiàn)代工業(yè)機器人是美國人發(fā)明的，日本人買去專利，把它發(fā)展成為產(chǎn)業(yè)，這是非常了不起的，特別是和汽車制造業(yè)結(jié)合起來，才能使得機械臂變成一個產(chǎn)業(yè)，美國人沒有把它變成產(chǎn)業(yè)。

另外一條路就和移動機器人類似，現(xiàn)在用的比較多的就是倉庫里面，包括無人機、水下機器人，為什么機器人在這些領域得到應用，其它領域卻比較困難？就是我們下面要講的最重要的問題，如何突破從結(jié)構(gòu)化到非結(jié)構(gòu)化的環(huán)境？這就需要人工智能，下面我用幾個例子說明。

機械臂最早的PUMA就是多關節(jié)，之后變成工業(yè)機器人，七十年代到八十年代就是這些，現(xiàn)在要把它推廣到一個相對非結(jié)構(gòu)化的環(huán)境，所謂機械臂的非結(jié)構(gòu)化環(huán)境就是有人參與，最近提出了協(xié)作機器人這個概念，意思就是過去機器人肯定可以分開，大的機械臂在那里必須用鐵柵欄圍起來，否則不安全，現(xiàn)在能夠和人交互，環(huán)境就已經(jīng)變成非結(jié)構(gòu)化了。

要想解決非結(jié)構(gòu)化環(huán)境的問題，必須把感知和動作結(jié)合起來，你們要做的動作是把感知和動作連接起來，因為搞機器人的人對反饋的概念非常清楚，因為這里必須要用反饋，但人工智能缺少反饋的概念，所有搞計算機的人都缺少這個概念，因為研究的東西都是開放的算法，所以我覺得可以是人工智能和機器人結(jié)合是非常重要的點，而且你們可以做好。

協(xié)作機器人原來是美國Brook教授做的，可以柔順控制，不會碰到周圍的事物，如果碰到的話馬上速度就會降下來，但始終形不成產(chǎn)業(yè)。最近我們國家把這項專利買下來了，就是我們有沒有可能把它發(fā)展成為一個產(chǎn)業(yè)，因為可以用在非結(jié)構(gòu)化的環(huán)境下，所以對我們來講這也是一個考驗。我國有沒有可能干成這件事？我覺得有可能，因為有很大的需求，只有在有需求的情況下才能找到應用場景。

過去我們也做過不少移動機器人，基本上從美國開始，中國早期也是集中在搞越野的，慢慢地越野的任務就轉(zhuǎn)向軍方和自動駕駛車輛，目前來講全世界都非常重視，就是走向自動駕駛是必然的道路，大家可能也知道這一點。

自動駕駛最重要的就是感知部分，也就是說汽車必須可以感知周圍的環(huán)境，這里涉及的問題就比較多了，傳感技術的問題，這些當然還是屬于機械手，移動機器人主要是視覺傳感器，包括多模態(tài)，我們用攝像機或者其它標志感知周圍環(huán)境，這在人工智能看來就是深度學習，我們現(xiàn)在就要說這個技術可不可靠。我們用攝像機識別周圍的行人車輛，人工智能基本上可以做到這些，無論是圖像、語音還是文本都是用所謂的深度神經(jīng)網(wǎng)絡來學習。

大家都知道深度學習采用模式識別、人臉識別、圖像識別，原來誤識別率是50%，現(xiàn)在深度學習一下子降到3.57%，但我可以告訴大家，這個算法是非常有問題的，存在事故，不安全、不可靠、不可信、不宜推廣，這是信息時代我們沒有遇到過的問題，往往是設計大型軟件時的漏洞造成的，我在很多場合下都說無人駕駛一定要非常慎重，可能在倉庫人少的地方可以，但人流復雜的情況下要非常慎重。

圖中的廣告是噪聲，把這種廣告放在車的后艙，廣告只是噪聲不同，人看起來是一樣的，但上面的那個車計算機識別系統(tǒng)可以看到，以下的車計算機看不見，或者完全看錯了，這是計算機視覺的脆弱性，也可以說是計算機視覺算法的不安全性。

如果這種不安全性不消除，大家想一想會出多大的事故？為什么人工智能會出現(xiàn)這種波動？就是由于產(chǎn)生方法以后，這種方法本身往往帶來另外的問題。

人工智能現(xiàn)有的方法只能處理結(jié)構(gòu)化環(huán)境下的問題，非結(jié)構(gòu)化環(huán)境下的問題，人工智能有待提高，所以我們提出第三代人工智能就是要解決非結(jié)構(gòu)環(huán)境下的感知問題。怎么解決這些問題？過去我們做人工智能的時候主要是靠知識、算法和算力，進入數(shù)據(jù)驅(qū)動時代以后主要靠的是數(shù)據(jù)、算法和算力，光是指定數(shù)據(jù)、算法和算力做出來的系統(tǒng)肯定是不安全的，怎么解決安全問題？我們的辦法就是充分地利用知識和數(shù)據(jù)、算法和算力。

大家可以看到自動駕駛從L3、L4走到L5，我們必須要解決計算機視覺不安全性的問題，現(xiàn)在世界各國都在這樣做，因為自動駕駛肯定要做未來汽車四個輪子上的超級計算機，換句話說就是用很少的錢買它的車，用大量的錢買上面的計算機設備，傳感器、攝像頭和激光掃描儀，所以很多公司都在做這些，包括特斯拉、Google和通用汽車。

我們現(xiàn)在是用大數(shù)據(jù)的方法對圖像進行分割和識別，然后建模規(guī)劃，現(xiàn)在完全可以做到實時，比如地平線上做的芯片是把算法做到芯片里面，識別和劃分都沒有問題，這樣的話車還能不能開？我們說不能開，主要是兩個原因：視覺是不可靠的，有的東西是看不清楚的，最大的問題就是如果這個系統(tǒng)有人的話就會變成非常復雜的系統(tǒng)，大家知道交通的人有兩種：一種是駕駛員，一種是行人，這兩種人都在有意無意地破壞交通規(guī)則，不光是中國人會破壞交通規(guī)則，外國人一樣會破壞交通規(guī)則，大家開車的時候有沒有違反過交通規(guī)則？我自己就違反過，慢速的情況下兩個車的車距應該是多少？15米，你在北京試試看，兩個車距離15米，你這個車還能開得動嗎？假設稍微有點空就被加塞，根本沒有辦法往前開，所以必須考慮實際，在這種情況下不可能所有人都按照規(guī)則來走，而且還會出現(xiàn)更多更復雜的情況，這種情況計算機就沒法處理。

怎么解決這些問題？實際上非常簡單，人工智能里面有與環(huán)境交互的學習，現(xiàn)在的做法是所有車都在那里做實驗，大家經(jīng)常說美國人已經(jīng)給自動駕駛發(fā)執(zhí)照了，可以上路去開了，其實這是錯誤的，只是可以上路去試，美國人是在什么地方試？是在恭凡城的郊區(qū)，中國是在開發(fā)區(qū)，所以大家不要以為這個問題已經(jīng)完全解決了，那么請大家注意，如果我們開幾十萬邁就會積累大量的經(jīng)驗，就會暴露很多計算機看不到的錯誤的地方，加上知識和經(jīng)驗完全自動駕駛是可以做到的。

我想給大家傳達的就是這條信息，機器人往前發(fā)展的時候，人工智能會在某個地方和你有交集，我們可以和人工智能共同合作研究做到這一點。