沃森学院的研究人员创造了能思考的机器

当大多数人想到自动驾驶系统时，他们通常会想到自动驾驶汽车，但这只是这一广泛研究领域的一部分。创建一台可以实时做出自己决定的机器涉及一系列令人眼花缭乱的挑战，从机器人技术到软件设计、编码、数学、系统科学等等。

机械工程助理教授于凯彦提供了一个涵盖该领域广度的定义：“自主系统能够自动执行一系列复杂的动作。这是一个跨学科领域，涉及计算机科学、机械工程、电气工程甚至认知科学。”

余说，系统可以是半自主或完全自主的，涉及广泛的应用，从农业到医疗保健管理，再到智能城市的交通信号灯控制等等。

事实上，自主系统已经成为我们日常生活的一部分，从智能家居的恒温器控制系统到手机聊天机器人，计算机科学助理教授张世奇指出。不少宾厄姆顿大学的校友在纽约市的金融科技公司工作，构建自主系统——例如，张更喜欢广义上的“机器人”一词——用于投资管理和其他任务。

在这里，您将遇到沃森学院的研究人员，他们正在解决复杂的问题，并为机器可以思考、做出决策以及驾驶汽车的高科技未来奠定基础。

Zhang 使用人工智能 (AI) 算法和神经网络，这是一种数据驱动的机器学习。最终，他的研究教会机器学习、推理和行动——甚至在某些任务中胜过人类。

在他的研究小组中，张和他的学生专注于日常场景，例如家庭、医院、机场和购物中心。他们的工作还侧重于三个研究主题：机器人决策、人机交互和机器人任务运动规划。在国家科学基金会资助的决策研究中，他们开发了结合基于规则的人工智能方法和数据驱动的机器学习方法的算法。

“前者擅长整合人类知识，后者可以根据过去的经验改进决策，”张说。

为了做出理性的决定，一个自治系统必须弄清楚当前的世界状态，研究人员称之为“感知”的品质。推理有助于机器人在感知到该状态后弄清楚它应该做什么。通过实现，机器人完成决定的行为。人工智能方法已用于所有三个过程，但在感知方面，它们是最成功的——至少到目前为止是这样。

“在某些条件下，人工智能可以在图像识别和语音识别等基准任务上做得更好。与 10 年前相比，机器人可以更好地了解世界状态，”张说。“这肯定有助于机器人做出决策并达到下一个自主水平。”

这并不意味着机器人很快就会在决策方面超越人类。例如，人类意识到某人不能同时在两个地方，并且掉落的物体会掉到地上。需要教导人工智能将这些现实因素纳入其推理过程。

“机器没有常识。有很多事情对人来说是显而易见的，但对 AI 来说却不是，”张反映道。“数据驱动的方法在整合常识方面不是很有效。我们不希望自动驾驶汽车通过多次这样做来学会避免撞到人。”

在人机交互方面，研究小组对基于对话和增强现实 (AR) 的系统感兴趣。张说，对话系统帮助机器人估计人类的心理状态，AR系统可视化机器人的心理状态以供人类决策。从长远来看，他希望看到更多关于创建透明和值得信赖的人工智能系统的研究，以及使用这项技术来改善残障人士和老年人的生活。

“我希望更多地看到实验室外的机器人，看到人和机器人在人类居住的环境中相互合作。我希望看到机器人能够理解自己的行为，”他说。