早上，王爺爺吃完飯，機器人“小明”趕緊提醒王爺爺要在半小時之內吃藥，吃完藥王爺爺坐在電視機前，“小明”告訴王爺爺老花鏡在茶幾的第一個抽屜中。午休過后，王爺爺要出門散步，“小明”告訴王爺爺外面只有10度，需要穿外套，并拿上傘。

以上的情景絕對不只是暢想，隨著老齡化和少子化程度的加深，機器人會越來越多走進老年人家庭，成為智能養老小助手。但是每個老人的脾氣、性格、需求各不相同，因此要求機器人能夠不斷學習，理解老人的隱性需求，真正能夠陪伴老人。如何滿足這些個性化的需求？從人工智能的角度分析，就要讓機器人不斷學習，認識老人的家庭環境，理解老人的需求，但是目前，不管是從機器視覺方面，還是自然語言理解方面都面臨巨大的挑戰。

在英特爾中國研究院2018年媒體開放日上，英特爾的研究人員從計算機視覺、自然語言識別、強化學習等領域分享了英特爾的研究成果，讓我們看到未來機器人的發展方向。

目前的技術瓶頸

機器人進入家庭，首先需要認識主人，只有認識了主人才能進行全方位的服務，比如主人習慣什么時候起床，如果起床晚了是否需要進行提醒？喜歡吃什么食物，當家里沒有了是否需要提醒子女購買？對于主人和重要物品，目前是基于深度學習，進行大量訓練進行識別，但是即使進行了大量訓練，可能有時候還會出錯，比如針對老花鏡進行了一萬張圖片的訓練，人工智能還是有可能認錯主人的老花鏡。

另外，由于每個家庭的需求不同，機器人無法進行預編譯處理，需要個性化定制。比如有些人喜歡靜，家里不能隨便走動，有些人喜歡動，需要隨時滿足主人的呼喚。主人的起床時間不同，無法預先編程，需要根據個人的特點進行觀察。因此，做好機器人不僅需要人臉識別、底層語義分析，還需要高層語義分析，從而讓機器人的智能程度滿足個性化需求。

進入家庭后需要自主學習

現在的人臉識別一般是對正臉進行識別，對于側臉識別可能就沒有那么靈了，如果在家中機器人只能識別正臉將會發生很多尷尬，用戶的交互體驗也會大打折扣，因此有人想出了通過人體特征進行辨識，比如衣服，但是當主人換了衣服機器人又無法辨識。英特爾所采取的方式是將人臉特征和人體特征相結合，人體特征不需要預先把人各種各樣的衣服都要看一遍或者姿態看一遍才能認，通過人體特征認人，而是通過人臉開始不斷地自我學習，機器人剛開始通過人臉識別主人，經過一周的交互和觀察，可以從各個角度把主人準確地識別出來。

因為主人可能會換衣服，機器人還會發生錯誤，這時候機器人需要和主人主動交互，把可能的錯誤進行確認，這是自我學習的認人功能。同時，英特爾還研發了一些自適應物體識別，比如：藥瓶，通過對一幀的圖像標注之后，把物體在線建一個模型，后續可以把這個物體的邊界準確的分割出來，這等于認識物體是可以通過向用戶學習的過程實現。

讓機器人理解：“昨天我在客廳里吃藥，藥瓶去哪里了？”

在家庭生活中，王爺爺可能問機器人：昨天我在客廳里吃藥，藥瓶去哪里了？這個問題貌似非常簡單，可能三歲小朋友也能理解，但是對機器人來說里面有很難跨越的技術鴻溝。其中王爺爺是對人的識別，吃藥是動作識別，藥瓶是物體識別，這些需要底層識別模塊來實現。再看“昨天”和“客廳”這兩個關鍵詞，客廳是對空間的理解，昨天是對時間信的理解。如何讓機器人理解這句話？首先最底層要進行人物識別、物體識別、情緒檢測、動作檢測，接下來，有一個三維語義環境，就是把底層檢測到的信息和物理環境對應起來，比如人在什么位置，物體在什么位置，這件事發生在什么位置，這些信息只有在三維語義環境的模塊中對應上，機器人才能夠理解事件發生的意義。

英特爾利用三維語義環境和個性化知識庫這兩個模塊來解決這些問題，從底層的感知模塊走到應用，但是底層的感知模塊不可能做到百分之百精準。這個錯誤會往上層傳播，到了空間層，我們希望把底層的這些信息打上空間智能的標簽，位置跟空間相對的情況，包括跟空間的三維建模，都是在這一層次進行的。理想的情況機器人到了家里，馬上建立空間模型，并且能夠理解空間的含義。到了知識庫層面，能夠很好的記憶這個知識，基于這個知識進行推理、應用，但是目前的技術還存在問題，不可能做到百分之百精準。

三維語義環境所做的是從感知層得到信息，比如藥瓶的位置，用坐標的方式標記出來，接下來空間智能要理解這個空間是客廳還是餐廳，到 這一層次才能跟人交流，進而判斷出客廳，然后順利在客廳找到藥瓶。可以看出，空間智能主要的工作是快速對空間進行建模，并理解這個空間。關于個性化的知識圖譜，主要功能是記憶和推理，所面臨的最大挑戰來自于我們想記錄的知識。人類知識分兩塊：一塊是穩定的知識，就像谷歌和Facebook力圖想存的知識，谷歌叫Google Graph，這些知識可以事先做好，并且經過專家審核；另外一種是個性化知識，是動態變化的，機器人來到家庭之前無法提前獲取，為了獲取這樣的知識，我們的挑戰必須要有一個合適的知識表示，合適的知識推理，而且這個知識圖譜要能容忍底層產生的錯誤。

強化學習讓機器人能夠完成主動服務

當機器人能夠理解語言的時候，說明機器人已經具備了和人溝通的能力，但是想要實現真正的照顧別人，機器人需要更深的理解能力，不光是被動地去服務，還能主動的猜測主人的意圖。從王爺爺的例子來看，當王爺爺需要藥瓶時機器人可以拿給他是一種情況，如果機器人看到王爺爺在找東西，能夠猜測他想找藥瓶還是找水，就能提供主動服務。這里會用到強化學習，它教給機器人三個功能：一是如何學習新的能力；二是如何做的一次比一次好；三是如何主動地提供正確服務。

關于一次比一次做的好這一點，需要通過小樣本的強化學習來解決。我們希望機器人一次比一次做得好，需要猜測，而猜測本身也是需要優化的。猜測的目的主要有兩方面，一是有時候不能進行標注，比如王爺爺走向桌子可能是找水，走向柜子可能是找藥，但是這個事情無法去標注，機器人需要去主動采集樣本，通過回報自己進行標注。強化學習需要不斷探索和優化，從而讓機器人更加智能。

當然，機器人的學習還面臨巨大的挑戰，比如：人的關節都是全向關節，而機器人不能做到這一點，每一個關節只能向一個方向旋轉。如果我們希望把人的一個動作映射到機器人上，需要做一個推廣，使它能夠適應機器人獨特的運動特性。另外，我們應用時還要考慮到采樣成本的預算，當學習一個新的性能時，機器人必須一次學會。我們需要考慮采樣成本和比較更高級的需求，來達到對于實際機器人學習來說可用的程度。

關于人工智能會替代人類的說法已經深入人心，曾經引來一波恐慌，聽完英特爾研究院的工程師講解，筆者覺得那個時代還很遙遠，機器人需要經過漫長的自我學習才能達到熟練理解空間和語義的階段，要實現真正的智能似乎還需要計算能力和存儲能力的進一步的提高，硬件技術和軟件算法還需要很大的進步空間。