乍一看，F(xiàn)acebook新生的機器人平臺看起來有點混亂。在這家公司硅谷總部的一個新實驗室里，一只紅黑相間的Sawyer機器人手臂（來自最近倒閉的Rethink Robotics）不斷揮舞著，發(fā)出嗚嗚的機械聲。照理說，它應該可以把手臂移動到右邊空間中的一個位置，但是它卻向上移動，偏離設置的方向，并重置到起始位置。終于，它的手臂向右移動了，非常接近目標位置。但是，它卻再次瘋狂地偏離了方向，不得不被再次重置。

不過，就像一只兔子為了躲避獵鷹而來回曲折，這個機器人看似瘋狂實際上卻是很聰明的。Facebook認為它既是開發(fā)更好機器人，也是開發(fā)更好人工智能的關鍵。也就是說，這個機器人正在自學探索世界。Facebook表示，未來有一天，將會出現(xiàn)像遠程呈現(xiàn)機器人一樣的智能機器。

當然，目前的機器人仍處于非常笨拙的狀態(tài)——一般來說，你必須用代碼為它們說明一切：這是你向前滾動的方式，這是你移動手臂的方式。我們?nèi)祟愒趯W習方式上要聰明得多。甚至嬰兒也明白，一個從視野中消失的物體并沒有從物理世界中消失。他們知道可以滾動球，但無法滾動沙發(fā)。從沙發(fā)上摔下來沒關系，但從懸崖上摔下來卻不是。

所有這些實驗都在你的大腦中建立了一個世界模型，這就是為什么你可以在學會駕駛汽車后，不會立馬撞車。Facebook首席人工智能科學家Yann LeCun說：“我們事先知道，如果開車靠近懸崖，然后向右轉(zhuǎn)動方向盤，汽車就會從懸崖上掉下來，不會有什么好事發(fā)生。”我們頭腦中有一個自學的模型，可以防止我們做傻事。Facebook也試圖給機器提供這種模式�！霸谖铱磥�，學習世界模型的系統(tǒng)是在人工智能領域真正取得重大進展的下一個挑戰(zhàn)，”LeCun補充道。

不過，F(xiàn)acebook的研究小組并不是第一個試圖讓機器人自學移動的團隊。在加州大學伯克利分校，一組研究人員使用了一種叫做強化學習的技術，來教一個名叫Brett的雙臂機器人把一個方釘塞進一個方孔里。簡而言之，機器人嘗試了許許多多的隨機運動。如果在一次移動中更接近目標，系統(tǒng)會給它一個數(shù)字“獎勵”。如果它搞砸了，它會被數(shù)字“記過”。經(jīng)過多次反復，尋求獎勵的機器人會讓它的手越來越靠近那個方孔，最后把釘子放進去。

讓機器人擁有“好奇心”

Facebook正在做的實驗有點不同�！拔覀兿胍獓L試的是灌輸這種好奇心的觀念，”Facebook人工智能研究科學家Franziska Meier說。人類就是這樣學會操縱物體的：孩子們被對世界的好奇心所驅(qū)使。他們嘗試新的東西，比如拽貓的尾巴，并不是因為他們必須這么做，而是他們想知道如果這樣做了會發(fā)生什么。

因此，盡管像Brett這樣的機器人會一點一點地完善自己的動作，但Facebook的機械臂卻可能會出現(xiàn)靠近目標時偏離方向的現(xiàn)象。這是因為研究人員沒有獎勵它增量成功，而是給予它嘗試非最佳動作的自由。它在嘗試新的東西，即使這些東西現(xiàn)在看起來并不特別理性。

每次移動都為系統(tǒng)提供數(shù)據(jù)。在每個關節(jié)上施加扭矩是為了把手臂移動到那個特定的位置。Meier說：“雖然沒有完成任務，但它給了我們更多的數(shù)據(jù)，我們通過這樣的探索獲得的數(shù)據(jù)種類比不探索時要多�！边@個概念被稱為自我監(jiān)督學習——機器人嘗試新事物并更新軟件模型，這可以幫助它預測其行為的后果。

這個想法是為了讓機器更靈活，對一項任務不那么專一。我們可以把它想象成完成一個迷宮。也許機器人知道它需要朝哪個方向前進才能找到出口。它可能會一次又一次地嘗試到達那里，即使它不可避免地會在那次追逐中陷入死胡同。奧斯陸大學機器人專家T?nnes Nygaard說：“由于你如此專注于向那個方向移動，你可能會走進角落�！彼�已經(jīng)開發(fā)出一種四足機器人，可以自己學會走路。（Facebook也在嘗試讓一個六腿機器人自己行走，但是在我參觀實驗室的時候該公司尚未能進行展示。）“與其如此專注于說，我想朝著我知道解決方案所在的方向前進，不如我試著專注于探索。我將嘗試尋找新的解決方案。”

所以Facebook的機器人手臂做出的那些看似不連貫的動作實際上是一種好奇心，正是這種好奇心可以讓機器更容易適應環(huán)境。想象一下一個家用機器人正試圖填裝洗碗機。也許它認為把杯子放在頂部架子上最有效的方法是從側面拿過來，在這種情況下杯子會碰到架子的邊緣。從某種意義上說，這是確定性的：一次又一次的反復嘗試，讓它走上這條不太理想的道路，在這條道路上，它試圖更好地側向裝載，但現(xiàn)在它無法備份并嘗試新的東西。另一方面，一個充滿好奇心的機器人可以通過實驗和學習，了解到從上面進來實際上是最好的方法。它是靈活的，不是決定性的，這在理論上允許它更容易適應動態(tài)的人類環(huán)境。