王馥芳：面向机器人的大规模知识引擎

近年来，随着计算机和网络技术的飞速发展，大规模知识引擎的涌现彻底改变了人类的知识共享和表征生态。在这一浪潮中，美国康奈尔大学和斯坦福大学的学者通过多模态大数据挖掘，创新地构建了一个专为机器人设计的大规模知识引擎——机器人大脑（RoboBrain）。

机器人大脑：面向机器人的大规模知识引擎新纪元

在信息海洋中，人类通过简单的关键词搜索即可轻松获取答案。但对于机器人来说，即便是最基本的任务，也需要详尽的操作指南。基于面向人类的搜索引擎得出的结果，机器人往往难以理解。例如，对于“如何烘焙蛋糕”的搜索结果，机器人不仅需要了解烘焙步骤，还需理解与之相关的附带信息，如液体的容器、液体的来源等。创建一个面向机器人的大规模知识引擎是一项艰巨的任务。

在人工智能产业蓬勃发展的背景下，康奈尔大学和斯坦福大学联手推出了这一创新项目。机器人大脑不仅是一个供机器人学习和共享知识表征的平台，更是一个执行多种任务的大规模知识引擎。

机器人大脑：深度学习的新纪元

机器人大脑网站首页即展示了其强大的学习能力：通过搜索互联网及其他数据来源，不断汲取各种概念。它能解释自然语言文本、意象和录像，运用传感器观察人类，并通过与人类的互动来学习事物。创建者坚信，通过大规模知识的学习与共享，机器人将在各种新情境下更加敏捷地完成任务。

机器人大脑的实质是一个大规模、众源的大数据库。其所存储的知识来源丰富多样，包括机器人在完成感知、计划和控制等任务时的物理互动、万维网的知识基础以及领先机器人研究小组所创建的各种可学习性知识表征。

机器人大脑的创建也极大地改变了大数据挖掘的固有模式，如今不再过度依赖单一的文本数据模态来源。受技术局限性的影响，传统的大规模知识引擎主要依赖于“结构化”的文本模态数据。机器人大脑却能有效地挖掘“非结构化”的数据模态，如图片、视频、音频等。在大数据变革的今天，世界约80%的数据都是非结构化数据。借助于云计算技术，我们可以对这些数据进行有效的分析和计算，从而凸显非结构化数据的巨大价值。

机器人大脑面临的最大挑战是如何有效编码多种不同的数据模态，并构建一个能与多种数据来源兼容的知识表征构架。为此，研究小组采用了图表构架的方法，解决不同数据模态之间的冲突和不一致问题。他们将知识表征为定向图表，其中的节点以各种各样的数据模态体现，如图像、文本、视频、触觉数据或学术概念等。机器人大脑是一个“无止境学习”的知识引擎，它能实时获取新信息，并通过与节点子集链接的方式表征这些新信息。

机器人大脑为机器人提供了一种全新的学习方式，使它们能够更好地适应各种环境，完成复杂的任务。随着技术的不断进步，我们有理由相信，机器人将在未来发挥更大的作用，为人类带来更多的便利。“机器人大脑”：深度学习与跨情境应用的未来展望

随着技术的飞速发展，“机器人大脑”已成为人工智能领域的一大突破。其核心不仅仅是让机器人通过大规模知识引擎进行自我深度学习，更在于培养机器人将某一情境中学到的知识应用到其他新情境的能力。想象一下，机器人学会将“倒水到杯子里”的技能扩展到为洗澡水倒入澡盆，这仅仅是“机器人大脑”潜力的冰山一角。

这个卓越的“机器人大脑”团队对未来抱有宏大的愿景：他们计划纳入更多样的知识来源，如在线视频，设想机器人能够通过查询在线指引视频学会完成各种家务。这不仅为机器人技术开辟了全新的道路，也为人工智能的发展注入了新的活力。

“机器人大脑”还致力于应对不同领域的研究挑战，包括机器学习、大规模数据处理、语言和对话、感知、人工智能和推理系统、体验和机器人学以及自动化。该知识引擎的创建有助于三个重要研究领域的工作：基础自然语言、感知和计划。这些领域是众多机器人完成任务的关键要素，而“机器人大脑”正是这些领域发展的助推器。

“机器人大脑”：助推人工智能产业化飞跃

“机器人大脑”的诞生标志着人类在人工智能产业化的道路上迈出了坚实的步伐。虽然目前仍处于初创阶段，面临诸多技术难题和架构创建挑战，但其技术潜力无疑将进一步推动人工智能产业的发展。

“机器人大脑”尝试对不同数据模态进行有效编码和表征，努力实现“非结构化数据”向“结构化数据”的转换。这不仅极大地拓展了机器人学习的内容、深度及复杂性，还革新了机器人的学习方式。经过多模态数据学习训练的机器人将更加“类人化”，从而加快人工智能产业化的发展。

“机器人大脑”致力于消除机器人和人类使用者在信息共享中的障碍，进一步增强了人机互动的质和量，促进了人工智能和人类智能的深度融合。

“机器人大脑”努力将各种机器人任务转化为问题，为完成各种人机交互任务提供了问题驱动的知识学习和任务训练数据库。这不仅提高了机器人完成任务的概率，还可能催生出新的智能化产品。

“机器人大脑”的数据来源多样，其团队正致力于构建一种兼容多种数据来源的图表表征架构。这将有效解决因多种信息源之间的冲突或不一致导致的“数据不可读”问题，极大便利人工智能大数据的挖掘、生成、存储、管理、查询、提取、处理及展示等，为其产业化前景拓展了无限可能。

在人工智能产业日益壮大的背景下，“机器人大脑”的出现无疑为这一领域注入了新的活力，展现了更加广阔的前景。