為什麼踢足球，而不是下象棋，是機器人征服人類的關鍵疆域？

1997年，IBM的人工智能Deep Blue打敗了當時的象棋世界冠軍 Garry Kasparov。從此以後，人類對AI的認知便改觀了。Deep Blue讓人類認識到：就算象棋這種大家認為人類專屬的活動也可以被AI侵略。但其實，這並不能説明科技取得了突破性的創新，因為説到底，機器人下象棋就是由快速的計算機和聰明的算法驅動，而圍棋並非如此。
圍棋要求更加複雜的算法、更完整的策略思考，藴含更多的交互和策略分析，對於AI的挑戰更大。圍棋依賴更多的模式認知，需要對全局和細節進行更微妙的評估。圍棋的下一步很難預測，幾乎沒有哪種算法能夠成功預測圍棋的每一步。

在本世紀之前，圍棋的AI機制進步得非常緩慢，可以被業餘選手打敗。但在2006年，這種狀況改變了，因為AI引進了兩種技術： Monte Carlo 樹形搜索和深度網絡。Monte Carlo 樹形搜索算法並不會檢驗所有可能發生的步驟，而會進行一個分離的選擇，以一種成熟的方法來結合選擇對象，以此做出更好的預測。而深度網絡是神經網絡的轉換方式，它從1960年代就開始測試，現在已經變得更便宜、更強大、擁有更多的數據，來訓練學習算法。

這兩種技術的結合讓AI的圍棋技術有了巨大的提升。終於，在今年3月， Google人工智能AlphaGo打敗了世界頂級圍棋棋手李世石，人類開始恐懼AI的強大力量。

現在，AI要征服下一個疆域：踢足球。

AI的未來是體力活動

自從1997年AI打敗象棋世界冠軍後，科學家們開始相信AI最能夠征服的就是腦力遊戲。而對於AI而言，要征服那些體力遊戲則更難，比如踢足球。

足球對於人類來説並不是一項有難度的運動，但是對於AI則不然，對於機器人來説，要用雙腿跑步、用腿控制球、與隊友溝通、避免摔倒，可比下象棋要難得多。現在，世界上只有極少數實驗室能夠設計出會行走的人形機器人。而現在， 由科學家Hiroaki Kitano和Manuela Veloso領導的團隊旨在2050年之前打造出一支機器人足球隊，來對抗世界盃冠軍，並且贏得比賽。現在他們正在努力，並已經進行了多屆“機器人世界盃”。

到今年，“機器人世界盃”已經舉辦了20次了，其目標一直是提升和挑戰AI和機器人的能力。具體來説，這種能力並不是機器人抽象的腦力能力，而是體力運動能力以及實時交互能力。從第一屆“機器人世界盃”舉行了之後，很多組織開始關注這種比賽如何促進機器人科技的進步。

第一屆“機器人世界盃”的參賽選手只有輪式機器人；後來，Sony的四腿AIBO機器狗加入到了隊伍中來；從2003年開始，人形機器人開始比賽。最開始，人形機器人的運動能力非常有限，行走時經常顫抖，踢球時經常摔倒。近年來，機器人的足球技能快速提升。現在，很多實驗室已經開發出了人形機器人足球團隊。

這不是簡單的球類運動
為了實現2050年的目標，團隊給機器人設下的任務也越來越難。從去年開始，地面綠毯換成了人造草皮，球門和足球都塗成了白色。這讓機器人保持穩定、識別球門和足球更加困難。因此，也許今年的機器人選手們表現得比去年差勁，但不要擔心，這只是因為它們的任務難度增加了不少。

相比於下象棋和圍棋，踢足球藴含的技巧更多更難：邊跑邊鎖定目標、強光下識別足球、濕草地上跑步、每45分鐘為機器人輸送一次能量......而其他的問題也與人類現實息息相關：何時機器人和人類可以同一片足球場踢球？人類和機器人踢球是否安全，會不會更容易受傷？如果人類判機器人犯規，機器人會不會心服口服？

因此，當機器人的聰明程度讓人類跪舔和恐懼的時候，我們正在讓它們征服下一個疆域：那些人類認為分外簡單的體力勞動。而這就是機器人未來需要征服的關鍵疆域。

Via：Robohub


資料來源：雷鋒網
作者/編輯：熊蒙