摘要：当数据科学家谈论深度学习时，通常谈论的是图像生成、检测、分类和回归任务。尽管如此，深度学习和人工智能正被广泛应用于机器人领域，并解决了其中一些重大的挑战。正是对计算机视觉的深入学习推动了人们对自动驾驶汽车的追求。强化学习也为AlphaGo这样的应用提供了动力，而更多的组织希望通过这些应用获得更多回报。

   当数据科学家谈论深度学习时，通常谈论的是图像生成、检测、分类和回归任务。尽管如此，深度学习和人工智能正被广泛应用于机器人领域，并解决了其中一些重大的挑战。正是对计算机视觉的深入学习推动了人们对自动驾驶汽车的追求。强化学习也为AlphaGo这样的应用提供了动力，而更多的组织希望通过这些应用获得更多回报。
　　
　　深度学习如今已经取得了很多进步，但人们仍然希望在某个时间点达到最终目标——通用人工智能(AGI)。
　　
　　AGI机器人可以执行任务吗?
　　
　　AGI是一种假想的机器智能，它可以理解或学习人类可以完成的任何智能任务。
　　
　　行业专家SteveWozniak提出了一项用于确认AGI具有人类水平的测试，其中一项是家庭应用的机器人需要知道如何煮咖啡——也就是说，机器人必须找到咖啡机和咖啡，加水，找到杯子，然后煮咖啡。
　　
　　这项任务对人类来说可能轻而易举。然而对于机器人来说，它本质上意味着使用各种计算机视觉技术以正确的方式与环境进行交互，以识别和使用对象，然后根据对任务的理解采取所有正确的措施。
　　
　　确认AGI的另一项测试是图灵测试，其中人类与机器交谈，而人员必须猜测是在与机器还是在与另一个人交谈。如果机器能够愚弄人类很多次，那么就会通过测试。
　　
　　图灵测试涉及对人类语言及其结构的深刻理解，这是一种如何连续使用语言的感觉。
　　
　　人工智能能够提供什么帮助?
　　
　　埃隆·马斯克、比尔·盖茨以及史蒂芬·霍金等公众人物都认为人工智能可能对人类构成生存风险(例如终结者的Skynet)，但是人们离真正害怕人工智能的地步还很遥远。
　　
　　虽然像AlphaGo击败围棋世界冠军这样的进步确实让人们以为计算机超越了人类，但必须明白的是，这台机器本质上是在试图模仿它所学习的数以百万个棋局的逻辑。这些棋局提供了大量的训练数据，与真实世界相比，人工智能采取的行动的自由度非常有限。另一件事是，这些人工智能不是多功能的。这意味着，虽然人工智能可以很擅长做一件事，但并不会做其他事情。而能够独立思考并产生现实行动的机器人可能出现在遥远的未来。
　　
　　尽管如此，人们在实现这一目标方面正在取得一些进展。而且应该考虑如何立即设置过滤器或限制，以确保人工智能不会伤害人类或带来其他损害。人们已经在基于人工智能的培训方式和人员的角度来应对人工智能偏见，因此在未来的自主人工智能出现之前，仍然存在很多障碍。
　　
　　研究人员已经在研究用于计算机视觉(CV)的深度学习，它可以帮助机器人和机器人应用程序使用各种传感器来了解其环境，并帮助他们避开道路上的障碍物。而机器学习和计算机视觉(CV)技术确实可以解决这一问题。这将成为自动驾驶汽车的重要组成部分，即使没有训练数据，它们也必须学习如何在新条件下观察和学习。
　　
　　许多研究也围绕着语音识别(可用于将人类语言转换为机器语言)和自然语言处理(NLP)展开，自然语言处理可为机器提供理解和与人类对话的能力。有些人已经通过Alexa、Portal和Google家庭设备使用了低级的版本。事实上，GPT-3是一种新的语言生成模型，可以撰写有趣的文章，它再次通过在自然语言处理中使用深度学习来提供支持。
　　
　　关于机器人深度学习的几点思考
　　
　　如今，人工智能的状态往往以一种孤立的方式解决问题。例如，视觉问题与语言/语音问题分开解决。
　　
　　研究人员需要做的下一件事是将所有这些功能集成到可以自己做出决定的工作机器人中。这些机器人需要能够亲身体验现实世界，以创建自己的世界观，并从其环境中获取可用于自身训练的其他数据。
　　
　　虽然说起来容易做起来难，但要达到这样的目标还需要更多的技术进步，但是只要继续朝着正确的方向前进，机器人实现AGI并开启全新的世界只是时间问题。
　　
　　编辑：Harris