又一员大将离开OpenAI自立门户，称工业机器人市场大有可为

机器之能，是机器之心旗下关注全球人工智能产业应用场景及商业化的内容账号。欢迎关注与互动：almosthuman2017

单纯的科研已不能满足研究者的胃口，成立两年来，OpenAI 连续痛失大将。本文主人公 Pieter Abbeel 便是其中之一，他看准了工业机器人市场老旧的现状，决心在这一领域有一番作为。他认为，机器人的硬件系统已经就绪，正是该领域深入应用人工智能技术的好时机。

编译 | 陈韵竹

编辑 | 吴欣

来源 | 纽约时报

继生成对抗网络（GANs）发明人 Ian Goodfellow、机器学习专家 Andrej Karpathy 在今年陆续离开 OpenAI 之后，来自比利时的 Pieter Abbeel 也辞职创业了。他在强化学习领域颇有建树，去年 4 月加入 OpenAI 之前，他是加州伯克利大学教授，长期深入在人工智能领域的研究工作。

OpenAI ，是一个独立运营的人工智能非营利性组织，由于发起人包括特斯拉首席执行官 Elon Musk 和其他硅谷著名人士，而备受关注。与 Abbeel 一起创业的，还有 OpenAI 另外两位研究人员—— Peter Chen、Rocky Duan，以及前微软研究人员 Tianhao Zhang。

这家新公司正努力地教机器人自学，以摆脱计算机程序的控制。（由左至右依次是 Embodied Intelligence CEO Peter Chen、董事长兼首席科学家 Pieter Abbeel、CTO Rocky Duan、研究员 Tianhao Zhang）

他们创办的这家公司名为 Embodied Intelligence ，专注于研究让机器人能够自主学习完成任务的复杂算法，想要让机器人通过人工智能技术学习，把自动化技术应用到世界范围内的工厂、仓库、甚至是家庭中。

例如，它们可以学会安装那些它们不曾安装过的汽车零件，或是在仓库场景下给甚至不曾见过的节日礼物分类，或是执行传统机器所不能执行的任务。

目前，该公司已经获得来自硅谷风险投资公司 Amplify Partners 以及其他资方的共 700 万美元投资。「现在，工业机器人的每一个动作都被规定得精准到了毫米量级。但是，大多数的现实问题其实不能用这种方法解决。你不仅要告诉机器人该做什么，而且要告诉它怎么学习。」不难看出，Amplify Partners 创始人 Sunil Dhaliwal 认同并期待 Embodied Intelligence 带来新方法。

「这主要是一个计算机科学的问题——一个人工智能的问题，」Abbeel 说道，「我们已经有了可以完成工作的硬件。」值得一提的是， 在这个泛人工智能领域，谷歌公司、布朗大学、卡内基梅隆大学，以及 Micropsi、 Prowler.io 等新兴创业公司的研究者们也在做类似工作。

上述观点成为 Abbeel 在加州大学伯克利分校的演讲主题，他播放了一段机器人做家务的录像带。在这段录制于 2008 年的视频中，机器人已经能够完成诸如扫地、清理橱柜、安装洗碗机等任务。最后，它甚至打开了一罐啤酒，递给了坐在沙发上的小伙子。只不过在当时，这一切都要被一个工程师远程操控着，由人来决定机器人的每一个动作。

Abbeel 想用这个视频告诉人们，机器人的硬件系统已经足够灵活，能完成模仿人类的大部分复杂行为。而真正的挑战在于，它需要一种能够指导硬件行为的软件，而不是依赖于工程师的操控。

的确，大量机器人已经在承担工厂和仓库中的部分自动化工作。例如，机器人能在亚马逊公司庞大的配送中心里移动箱子。但目前完成这些工作的前提是，公司必须为这些机器的每一个具体工作进行编程。

毫无疑问，只有在这些机器人通过自学掌握更多任务处理方法时，才可能挖掘出其他可能的应用。而 Abbeel 的创始团队正在研究一种被称为强化学习的算法，这种算法让机器人通过反复不断的尝试和试错中学习如何执行任务。在《纽约时报》采访中，他说：「我们现在研发出了可教的机器人。」

谷歌旗下人工智能实验室 DeepMind 的做法也说明了其中道理，他们的研究员使用强化学习方法建立了 Alpha Go，打败了所有人类围棋玩家。从本质上说，这个机器就是通过一次又一次的自我博弈掌握了这个极其复杂的游戏。

工业界和学术界的其他研究人员表示，类似的算法同样可以让机器人学习处理与行动相关的任务。例如，通过反复尝试打开一扇门，一个机器人能够学到哪些特定的动作能够成功将门打开，而哪些动作不能。

类似于谷歌实验室和西北大学实验室，Embodied Intelligence 正在使用多种其他机器学习技术强化这些算法。最值得注意的是，这个创业公司正在探索一种称为模仿学习（Imitation Learning）的学习方式。相较于传统的强化学习任务，模仿学习在机器人、自然语言处理等多步决策问题中有更好的表现。

公司正在使用这种方法，训练一个两臂机器人从桌上拾起塑料管。Abbeel 和他的同事们戴着 VR 头显，拿着动作追踪器，不断地在数字世界中向机器人展示如何完成任务。然后，机器人可以从这些数据中学习。

「我们收集了人类工作时的数据，」Peter Chen 说，「然后，我们就可以训练机器模仿人类。」

尽管这些机器学习方法在过去几年刚刚取得一些成果，让很多人相信，它们将会彻底改变机器人领域。但也有不少研究者质疑，机器学习对机器人领域的改善作用到底有多大，他们认为，研究者和新闻媒体对此吹捧过度。

不过，作为该领域世界顶尖研究者之一，Abbeel 相信自己的创业公司能够迅速地将人工智能技术推广到像汽车工业这样的制造业中去。而那些机器人领域使用传统方法仍没能解决的问题，恰好是 Embodied Intelligence 想要攻克的方向。

毕竟机器学习先驱 Geoff Hinton 也曾说：「很明显，机器学习对于建立灵活、机敏的机器人至关重要。」