在幕后，機器人正悄無聲息地變得越來越聰明。它們已經更加智能，以至于可能很快就可以完成我們人類的很多工作。它們可以為我們開車和送貨，制造很多貨品，為我們烹調飯菜，照顧老人和體弱者。這并不是說機器人將會接管世界，但它們的數量肯定會呈現出指數級的增長。

在我們擔憂的事情當中，處于最前面的應該是伴隨這種勞動經濟學巨變而來的社會動蕩。相反，我們的科幻電影講的是機器人脫離人類控制，我們還就超級機器智能相對于人性的冷漠進行了形而上的辯論。在我們等待機器人迎來大繁榮的時候，這兩種途徑目前都沒有起到什么幫助作用。馬丁·福特（MartinFord）在其備受推崇的新書《機器人的崛起》（RiseoftheRobots）中提出了一個基本收入的概念，它是合乎道德的，但卻不具有政治上的可行性。想象我們人類如何適應一個滿是機器人的未來，這是困難的部分。

在人類跟機器的關系將如何演進方面，機器人學（robotics）跟深度學習（即人工智能的分支）交集部分最近取得的進展為我們提供了一些線索。5月下旬，來自加州大學伯克利分校（UCBerkeley）的一份報告描述了那里的研究人員如何利用深度學習來訓練機器人從事需要機敏和空間意識的日常人工任務。這份報告聲稱，該團隊已經“開發出了算法，讓機器人可以使用一種更近似于人類學習方式的過程通過試錯法（trialanderror）學習任務動作，從而成就了人工智能領域的重大里程碑。”

來自RethinkRobotics的工業機器人Baxter和Sawyer

與此同時，波士頓一家名為RethinkRobotics的公司開發出了兩款工業機器人，它們能夠在工廠跟人類一起工作并接受培訓。Baxter和Sawyer（見上圖）被設計來向人類提供幫助，并且不對人類構成威脅。我們將看到效果如何，很可能會有機器員工“抽瘋”或者展示“機器人憤怒”的案例，但在大多數情況下，人機關系應當是合作性的。

毫無疑問，這些都是經過精心設計的機器人。它們造型時尚且風度翩翩，同時沒有墜入人形機器人的“恐怖谷”（譯注：恐怖谷理論是一個關于人類對機器人和非人類物體感覺的假說）。而且，到最后這些機器人可以成為優秀和可靠的勞動力，把我們人類從很多重復性勞作中解放出來。記住這一點很重要，人類喜歡獲得報酬，但大多數人并不喜歡他們賴以獲得報酬的工作。

在位于機器人和人工智能系統研發最前沿的人當中，大多數是從它們如何能夠幫助人類做更多的工作來看待這些技術的。較之僅僅依賴于人力，得到一臺機器人或一個機器人團隊協助的人可能擁有10倍乃至100倍的生產力。RethinkRobotics把這些設備稱為“協作機器人”。事實上，人們在培訓Baxter機器人時會手把手地進行教導，展示完成一項任務所需的一系列動作。

跟之前的工業機器人比起來，這些新機器人的性質有所不同。這些協作機器人會考慮到人類，它們需要我們的幫助才能進行學習，就像孩子一樣。而且，它們在空間上會順從于我們，如同訓練有素的寵物。如果Baxter撞到你的臂彎中，它會立即松懈下來以免傷到你，這有點像拉布拉多犬可以學會在尋回被獵殺的野鴨時“口咬獵物而不破”（softmouth）。（當一臺Baxter機器人撞到同類時會發生什么事，這我就不知道了！）

類似的，BRETT（用以消除繁瑣工作任務的伯克利機器人）用來學習執行任務的試錯過程也很討喜。比如，機器人學著把塑料零部件拼湊在一起，首先是一架玩具飛機，然后是一些大塊頭的樂高積木。盡管這些任務都可以通過硬編碼的方式讓機器人進行操作，但伯克利研究團隊深度學習解決方案的優勢在于其容錯能力。由于BRETT能夠通過近似法和優化法進行學習，它可以在物件位置發生變化后即時做出調整。

加州大學伯克利分校電氣工程和計算機科學系的彼得·阿布比爾（Pieterabbeel）教授解釋說，“重點在于，當一臺機器人面對著新的事物，我們將不必重新進行編程。完全相同的軟件——它的編碼決定了機器人如何進行學習——被用來讓機器人學會執行我們指派給它的所有不同任務。”這種做法反映了人類的學習方式。“盡管人類具有多種技能，但我們并不是天生就能像瑞士軍刀那樣執行各種各樣任務的，而且我們不需要接受編程。”博士后研究人員謝爾蓋·萊文（SergeyLevine）說，“相反，我們可以在自己的生命歷程中從經驗和別人那里學到新的技能。”

這些技術距離任何類型的普通智能都有很長的路要走，但它們具有非常強的實用性。機器人將不僅改變勞動力世界，而且它們也會改變我們對于人之為人的理解方式。通過把機器人的學習過程外部化，讓非技術人員能夠進行訪問，這些無處不在的機器人也將改變我們相互教導的方式。

我們有很多辦法來框定這種顛覆創新的危險性，其中一種是圍繞人類的懶惰傾向。盡管訓練機器人可以激發我們所有人把事情做得越來越好，但它也有可能把我們拖入“足夠好”的平庸狀態。如果機器人所制造產品的質量淪入次優的默認狀態，我們可能發現自己陷進雙重困境，既被奪走了有意義的工作，又被剝奪了真正的物質享受。

讓我以一種更加積極的論調為本文作結吧，我希望在之后的文章中擴展開來論述。我們可以利用學習型機器人的力量和生產力來解決人類在材料、社會和環境方面遇到的無盡問題：滿足人類衣食住行的需求，這沒有盡頭；收復被工業毒物污染的土地，并將之轉化為人類和動物進行生產和娛樂的樂土，這沒有盡頭；最后，如果人類不再被稀缺性的沖突攪得四分五裂，那么我們能夠進行高效協作的方式也沒有盡頭。或許，我們將學會愛上自己的機器人。

更多資訊請關注工業機器人頻道