日前，日本工業機械巨頭（tóu）fanuc宣布，他們已經和英偉（wěi）達（dá）進（jìn）行了合（hé）作，為英偉達工廠的機械臂添（tiān）加了（le）“增強學習”的能（néng）力，這意味（wèi）著AI技術的浪潮即將席卷整個製造業——也就（jiù）是說，工廠裏那些木訥無（wú）聊的大塊頭機器人的智商終於可以（yǐ）充值了！
  
　　講真，這簡直是飛躍（yuè）性的進步啊！要知道，目前的（de）一些工業機（jī）器人編程隻能讓它們以極高的精準（zhǔn）度（dù）完（wán）成單一任務，而一旦產（chǎn）品的生產過程發生了細微變化，機器人程序就需要徹頭徹尾地重新（xīn）編寫，這不但費時，還會消耗大量科研力量。但是，機器學習（xí）可以讓這（zhè）些機器人在（zài）生產實踐的過程中不斷學習，從而（ér）實現自我編（biān）程。這當中涉及（jí）到的技術叫作“增強學習”，它通過深（shēn）度（dù）神經網絡算法控製機械臂的動作，並讓它們調整自身行為，從而不斷趨向於完成某一目標，比如（rú）揀起某個物件等。這個過（guò）程可以通過（guò）大量機器人協（xié）同工作、分享它們“學習”到的（de）知識，實現加速。
  
　　另（lìng）外，英（yīng）偉達打造的圖形處理器實現了高速並行計算，它特別適用（yòng）於深度學習。Fanuc將會把英偉達的這個處理器安置在機器人個體以及控製工廠裏所有機器人的中央係統中。如此一來，機（jī）器人學習（xí）獲得（dé）的數據會傳輸到這個被英偉達稱為“GPU超級計算機”的中央係統中，而學習的模（mó）型會被內化到機器（qì）人執行動作、使用計（jì）算機視野和深度學習（xí）的實踐（jiàn）過程中。
  
　　對此，英偉達（dá）的全球運（yùn）營副總裁Masataka Osaki評（píng）論道：
  
　　“接合度高的複雜型機器人能夠以（yǐ）各種（zhǒng）方式完成各種任務，所以他（tā）們能產生大量數（shù）據（jù），同時他（tā）們也需要強大的計算能力。”
  
　　實際上，Fanuc早前打造的大（dà）量工業機器人的應用麵已經非常廣泛，包括汽車生產、電子工業和食物生產等。與此（cǐ）同時，Fanuc在機器人雲端連接（jiē）和機器學（xué）習方麵（miàn）的研發進展也堪稱神速。要知道（dào），“增強學習”功能是目前機器人（rén）領域一個頗為大勢的研（yán）究方向，穀歌就曾經利用這項技術打造了（le）超人類水平的圍棋AI“AlphaGo”。和“AlphaGo”一樣，讓機器人控製物體或執行其他任務是（shì）很難實現人工編程的。
  
　　機器人學習專家兼Brain of Things創始人的Ashutosh Saxena認為，讓工業機（jī）器人實現數據共享非常重要：
  
　　“早前，這類機器人（rén）的設計並沒有考（kǎo）慮到數據（jù）共（gòng）享這個功能。但不得不承認的是，深度學習非常適合處理沒有人工編程情況下的行為調整。”
  
　　“我們在AI學習社區和傳統的工業機（jī）器人製造商的合作中看到了巨大的潛力，” 負責亞利桑那州（zhōu）立大學機器人學習實驗室的（de）助理教授Yezhou Yang說道。但是（shì）Yang還是有一些（xiē）顧慮的：“因為（wéi）人們不參與編（biān）程（chéng）了，操作員很難得（dé）知係統（tǒng）到（dào）底是如何運作的。因此，在他們眼中，係統（tǒng）就是個黑匣子。但設想，如（rú）果哪天發生了意外怎麽辦？所以，我（wǒ）們還是需要打造一個所謂的交互界麵，給自己留些回旋的餘地。”
  
　　早前，Fanuc曾和（hé）一家叫 Preferred Networks的（de）日本公司一起研發“增強學習（xí）”；如今，它和英偉達的合（hé）作成果更是讓人驚豔。我（wǒ）們期待在未來，AI技術能更好地促進新一（yī）代機器人的研發，在推動工業生產發展的（de）同（tóng）時，提高人類工作和居（jū）家生活的幸福感。