提到機器人，大家腦海中第一時間會浮現(xiàn)出怎樣的事物,？
大概率情況下,，要么是工業(yè)級/服務(wù)級機器人，以機械臂,、簡單驅(qū)動型為主角,，不講究外形美觀，動作也往往不怎么連貫,，常常被冠以“人工智障”的美稱,；
要么則是仿人機器人，它們總是出沒在伯克利或波士頓動力等高大上的實驗室里,，能夠以七十二般武藝讓人類忍不住發(fā)出“滅絕警告”,，但必需的編程和持續(xù)作業(yè)能力，以及技能的泛化程度,，卻都達(dá)不到大規(guī)模應(yīng)用的可能,。
人與智能機器之間，有沒有第三種可能呢,？
其實早在1960年,，約瑟夫·利克萊德（J. C. R. Licklider）就曾提出了一個觀點——人機共生（Man-computer symbiosis）。
簡單來說,，就是人類和電子設(shè)備以親密合作的方式生活在一起,，甚至結(jié)成緊密的聯(lián)盟。兩者的結(jié)合,，可以創(chuàng)造一種高產(chǎn)且生機勃勃的合作關(guān)系,。
“人類機器命運共同體”，聽起來是不是很心動,？可惜的是,，目前目前還很少見到人機共生體（man-computer symbioses）的出現(xiàn)。所以,，最近中國機器人產(chǎn)業(yè)中出現(xiàn)的“發(fā)球機器人”,，就引起了我們的注意。
原因無他,，這或許是人機共生“星星之火”燎原的起點,。
點燃人機共生的星火：
發(fā)球機器人的初蹄
首先有必要解釋一下，為什么說發(fā)球機器人,，體現(xiàn)出了“人機共生”的現(xiàn)實趨勢,。
這款發(fā)球機器人，起源于新松機器人與乒乓球?qū)W院一次偶然的談話。
當(dāng)前的乒乓球運動存在一些亟待解決的問題：
一是效率,。助教為專業(yè)運動員喂球時,，往往在速度、旋轉(zhuǎn),、落點控制,、頻率等方面，難以達(dá)到高水平選手的訓(xùn)練需求,；
二是統(tǒng)一,。一旦助教出現(xiàn)疲憊、狀態(tài)不佳等情況,，就會直接影響速度,、旋轉(zhuǎn)等參數(shù)，影響訓(xùn)練特定技戰(zhàn)術(shù)動作的一致性,，運動員很難形成最佳的肌肉記憶,；
三是反饋。乒乓球是一項實時性非常高的運動,，往往一秒之間幾個來回，過快的球速與落點的不確定性,，也導(dǎo)致教練往往只能憑借經(jīng)驗來反饋,，很難通過量化來優(yōu)化教學(xué)，一些特定動作也就無法有效分析和復(fù)現(xiàn),。
四是普及,。乒乓球的另一個身份是“國球”，中國有眾多的愛好者和青少年參與到這項運動中來,，但不同地域,、不同水平的教練卻參差不齊，自然也就無法滿足更多人群享受乒乓球這項運動的愿望,。
能不能通過智能技術(shù)的引入,，來解決上述問題呢？
深耕深度學(xué)習(xí)算法的龐伯特,，就以新松的機器人研發(fā)技術(shù)和中國乒乓球?qū)W院的海量專業(yè)數(shù)據(jù)和課程,，研發(fā)出了可以自主決策的人工智能發(fā)球機器人。
而讓龐伯特機器人得以勝任發(fā)球工作的幾大核心：
首先是感知,。通過高速雙目立體視覺系統(tǒng),，機器人能夠捕捉高速運動下的乒乓球位置，并形成球的軌跡,，通過軌跡分析,，在毫秒內(nèi)判斷球速以及球的旋轉(zhuǎn)方向，讓乒乓球技術(shù)轉(zhuǎn)化為可視的數(shù)據(jù)，實時調(diào)整,，精準(zhǔn)化訓(xùn)練,。
其次是決策：在軌跡分析的基礎(chǔ)上，龐伯特同時對人體動作進(jìn)行捕捉,，通過與預(yù)設(shè)的動作角度進(jìn)行比對,，分析運動員動作是否到位。結(jié)合軌跡和動作兩個因素,，判斷運動員的水平,，推薦課程。對于個人愛好者來說,，相當(dāng)于擁有了一個專業(yè)教練+陪練,。
再次是運動。龐伯特機器人具有類人化結(jié)構(gòu),，不同于市面上以擠壓方式進(jìn)行發(fā)球的設(shè)備,，龐伯特能夠高度模擬類人化的發(fā)球方式，模擬人類發(fā)球時對球方向和旋轉(zhuǎn),，實現(xiàn)兩跳發(fā)球,。而利用不同的球拍膠面，還能打出不一樣的球,，這些都能更好地輔助人類運動員進(jìn)行訓(xùn)練,。
顯然，龐伯特機器人正在將技術(shù)思維（technical thinking）與人類智慧相結(jié)合,，為人機共生打開了新的窗口,。
逃離恐怖谷：發(fā)球機器人昭示三重改變
從龐伯特機器人的實踐中不難看出，如果在人和機器之間建立共生關(guān)系,，那么二者的合作互動顯然會大大改善很多現(xiàn)有問題,。
由此也可以總結(jié)出，共生型機器人與大眾常見的傳統(tǒng)機器人有何不同之處：
首先,，盡管所有人造系統(tǒng)都是為了幫助人類,，但傳統(tǒng)的自動化機器人更多的是為了實現(xiàn)“人類增強”，而共生型機器人則是為了“與人類更好地生活在一起”,。
還是以發(fā)球機器人為例,，傳統(tǒng)的發(fā)球設(shè)備只是機械地擴展某項技能，比如取代人的手臂來進(jìn)行發(fā)球,，往往需要人類助教來完成那些需要主動決策,、調(diào)整、制定標(biāo)準(zhǔn)等工作,，在效率和功能上并沒有帶來質(zhì)的改變,。
而龐伯特機器人的特殊之處,，就在于通過深度學(xué)習(xí)算法的引入，在智能程度上賦予了機器人新的高度,。比如實時高通量的數(shù)據(jù)收集與處理,；高效精準(zhǔn)專業(yè)的預(yù)判決策；個性定制化的訓(xùn)練反饋與指導(dǎo),；乒乓球運動的隨機性又要求算法具備一定的泛化能力和高魯棒性……這些都是龐伯特機器人能夠成為乒乓球運動伙伴的關(guān)鍵,。
第二，共生型機器人必須具備可“實時”（real time）進(jìn)行的思考過程,。
傳統(tǒng)的機器人可以根據(jù)預(yù)先設(shè)定的程序處理數(shù)據(jù),。比如餐廳服務(wù)機器人，輸入店內(nèi)地圖,、設(shè)定好傳送菜程序之后只能按部就班地工作,，有的甚至連避讓行人都做不到，因為提前設(shè)定會導(dǎo)致一旦出現(xiàn)不可預(yù)見的情況,，整個過程就會停止,。
但球類運動可不一樣，乒乓球的高速運動需要發(fā)球者做出毫秒級的判斷,，像人一樣快速思考,、分析、決策,、反應(yīng),。對于人類來說都可能要靠直覺來完成的事情，對機器與人之間的耦合要求要緊密的多,。
讓機器能夠做出決策和控制復(fù)雜的情況，而不依賴于預(yù)先確定的程序,，就是龐伯特機器人向我們展示的現(xiàn)實圖景,。
最后，共生型機器人有機會重構(gòu)機器人行業(yè)的商業(yè)方法論,。
長期以來,，傳統(tǒng)機器人市場的商業(yè)邏輯，要么是“人工+智能”,，用真人來操控機器人模型,，以達(dá)到模擬強人工智能的效果；要么是長期砸錢在天頂技術(shù)上,，比如波士頓動力的機器人雖然炫酷,，卻因商業(yè)化困難而賣身給軟銀。
但龐伯特機器人所代表的共生型機器人卻開啟了另一種模式,，通過“真AI算法”+聚焦實用場景來切入市場,。
我們注意到，除了發(fā)球機器人之外，龐伯特還打造了對打機器人,。
將深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與強化學(xué)習(xí)相結(jié)合,，讓對打機器人和發(fā)球機器人能夠通過大量復(fù)雜環(huán)境的交互，運用各自的人工智能算法平臺,，不斷得到反饋,，互相學(xué)習(xí)到新的技能與策略，機器人之間的對戰(zhàn)也能不斷提升算法模型的復(fù)雜度與智能度,。
同時,，一旦高性能算法模塊被拼圖一樣使用，就能夠以低成本,、小型化,、高效率的方式快速打開市場，未來不止于乒乓球這一項運動,，更多場景都可以通過軌跡分析,、動作分析、終端顯示等集成模塊帶來改變,。
從這個角度看,，龐伯特機器人正在重新確立人與機器、甚至是機器與機器的關(guān)系,，即一種共生伙伴關(guān)系（symbiotic partnership）,。在這一美好的畫面中，機器會為人類提供見解和決策,，而人類則能更有效地進(jìn)行智力活動與創(chuàng)造,。
打開產(chǎn)業(yè)智能的價值圖景：
挖掘人機共生的富礦
正如國際人工智能聯(lián)合大會前主席Francesca Rossi所說，人機共生是未來人類使用AI的最好方式,。
那么,，作為人類和機器的預(yù)期前景，其中是否也埋藏著商業(yè)價值的富礦呢,？
答案是肯定的,。
以龐伯特機器人為例，未來就有可能締造出不少新的產(chǎn)業(yè)機遇,。
比如說,，通過與海量運動員對戰(zhàn)，發(fā)球機器人可以積累專業(yè)領(lǐng)域的數(shù)據(jù),，不斷優(yōu)化算法,，快速提升自身的擊打能力和策略，衍生出個性化的對戰(zhàn)方式,，來幫助運動員更好地進(jìn)行訓(xùn)練,。并將其輸出為可量化,、可視化的訓(xùn)練標(biāo)準(zhǔn)，讓乒乓球的專業(yè)教育門檻下沉到普通人生活當(dāng)中,。
再比如,，分析決策算法的持續(xù)迭代，有望推廣到新的運動和行業(yè)中去,，以基礎(chǔ)化的能力支撐起千行萬業(yè)的智能化需求,，成為“新基建”中不可或缺的一員。舉個例子,，當(dāng)機器人與城市智慧健康系統(tǒng)結(jié)合,，是否能夠作為市民健康的關(guān)鍵終端，來提供行而有效,、可連可控的運動網(wǎng)絡(luò)呢,？
從這個角度延展開來，龐伯特機器人不僅能夠輸出算法模塊,，還能夠向其他行業(yè)輸出軟硬件合一的整體智能解決方案,。通過算法、硬件,、人的交互,，完成一次人機共謀的大變革。
站在萬物智能,、人機共生的起點,，不難預(yù)見人類和機器之間密切耦合的未來。與智能生命伙伴共舞,，是人類必然的未來,。而目睹了龐伯特機器人的我們，也正在經(jīng)歷種植AI的進(jìn)行時,。
過去的數(shù)年間,，讓深度學(xué)習(xí)擺脫需要大量輸入和人工的有監(jiān)督學(xué)習(xí)，一直是人類研究者努力的方向,，為此推動了許多新的技術(shù)進(jìn)展，比如：
借助meta learning元學(xué)習(xí)算法,，機器獲得了“泛化”,，能夠舉一反三，學(xué)習(xí)協(xié)同性地處理多種任務(wù),；
借助Reinforcement Learning強化學(xué)習(xí),，機器懂得了“決策”，通過不斷地自我學(xué)習(xí)與回饋來抵達(dá)高級智能,。
而這些能“擬人”的機器學(xué)習(xí)方法,，也讓AI獲得了前所未有的能力,，打敗柯潔李世石的DeepMind阿爾法狗、在DOTA2中團(tuán)滅人類電競選手的OpenAI Five,、自動駕駛,，乃至通用人工智能AGI，都是通過讓機器模仿人類對世界的認(rèn)知方式,，以不斷探索,、試錯、改進(jìn)的方式,，與環(huán)境進(jìn)行實時交互,，進(jìn)而提高自己的能力。
天地有正氣,，雜然賦流形,。今天，龐伯特也試圖讓機器人“自行進(jìn)化”,，啟動了一場發(fā)球機器人教對打機器人打乒乓的“先鋒實驗”,。
通過兩臺機器人之間的相互“較量”，讓機器人身處在一個不可預(yù)期的環(huán)境中,，依靠人工智能算法平臺主動生成一些標(biāo)記和標(biāo)簽來做決策判斷,，獨立解決多個非線性的邏輯問題，通過“行動-評價”的強化學(xué)習(xí)機制來改進(jìn)自身,，適應(yīng)新的環(huán)境,，從而發(fā)展機器人間的校驗標(biāo)準(zhǔn)。這會為成為機器人社會意識的起點嗎,？