在东京一栋外观高调的办公建筑里面，住着一个出现异常聪慧的由日本Fanuc公司其实的工业机器人。给机器人一个任务，比如从一个盒子里掉落小工具然后放进另一个容器里，机器人将用整个晚上想要出有如何已完成任务。到了清晨，机器竟然掌控了这项工作，就样子是一位专家为它原作了程序一样。工业机器人可以有极佳的精确度和速度，但是它们一般来说必须人十分慎重的编写程序，从而做到一些像捕捉物品这样的事。

这是很艰难且花费时间的，意味著这样的机器人往往不能在高度掌控的环境中工作。　　Fanuc的机器人用于了一种取名为深度增强自学的技术，来训练它自己，可随时自学新的任务。它在尝试捡起物品的同时，需要捕捉这个过程的视频。

不管每次它是顺利了还是告终了，它都会忘记物品宽什么样的，用它教给的科学知识改良掌控它行动的深度自学模型或大型神经网络。在过去几年，深度自学被证明是模式识别领域中的一条强有力的途径。　　约八个小时后，它就超过了百分之九十或更高的准确度，也就是像一位专家为它编写程序那样差不多的准确度， Preferred Networks的首席研究官Shohei Hido说道。

这家公司坐落于东京，专攻机器学习。它半夜都在工作；到了第二天早晨，它调整好了。　　机器人研究员正在测试增强自学，将它作为一种修改和减缓工厂机器人编写程序的手段。这个月早期，Google公布了自己研究用于增强自学教教机器人如何抓住物品的细节信息。

　　Fanuc机器人是由Preferred Networks编写程序。Fanuc这家世界仅次于的工业机器人生产商，去年八月对Preferred Networks投资了730万美元。

这家两家公司去年12月在东京的国际机器人展览会上展出了这个学习型机器人。　　Hido说道，这种自学方式潜在的一个极大益处是，如果几个机器人分段工作然后共享他们教给的，就可以增进自学。所以，八个机器人一起工作一小时可以继续执行与一台机器工作八小时时完全相同的自学任务。

我们的计划是面向分散式自学的，Hido说道，你可以想象成百上千个机器人共享信息。　　这种分散式自学的形式，有时叫作云机器人，正在沦为科研界和产业界的大趋势。　　Fanuc几乎可以想起这一点 Ken Goldberg说道，他是加州大学伯克利分校的研究机器人的教授，因为它在全世界的工厂里设置了如此多的机器。

他补足到，云机器人将最有可能重塑机器人在接下来几年被应用于的方式。　　Goldberg和同事（还包括几位Google的研究员）事实上正在将这一步推上更加近，他们教教机器人如何用于特定的动作展开捕捉，并非对特定物品的捕捉，而是特定形状的物品都能使劲。一篇关于这项工作的论文将在五月份经常出现在 IEEE 机器人和自动化国际会议上。

　　然而，Goldberg尤其提及，将机器学习应用于机器人是充满著挑战的，因为掌控不道德远比辨识图片中的物体简单得多。深度自学在模式识别上获得了极大的变革，Goldberg说道，在机器人领域，你面对的挑战是你要做到的不只是模式识别。机器人要需要针对大量的有所不同输出产生适合的不道德。　　Fanuc有可能不是唯一一家用于机器学习研发机器人的公司。

在2014年，瑞士的机器人制造商ABB投资了另一家叫作Vicarious的人工智能创业公司。不过，那笔投资的成果还没显出。

本文来源：开云(中国)Kaiyun·官方网站，开云(中国)Kaiyun-www.bjbljwl.com