▲图片来源：网络

机器人互相协作学习会成为现实吗？

目前，人类对机器人的研究都是基于独立的个体而言的，在很大程度上，人工智能系统并没有被赋予作为一个团队工作和学习的任务。

最近，麻省理工学院航空航天教授乔纳森•豪(Jonathan How)提出了一个新的观点，他认为，未来机器人可以互相学习，共同工作，从而改变物流和太空探索等行业。

机器人互相学习并不简单

How和他的团队希望使用机器学习帮助智能对象使彼此更加智能。

How说，真正的挑战是为这些人工智能机器人在实验室之外的真实世界做好准备，因为现实世界比人工智能机器人开发的实验室环境更复杂。因此，How和他的团队利用他们自己开创性的算法对机器人进行了优化，使之适应环境。

▲图片来源：网络

为了做到这一点，团队使用了强化学习(reinforcement learning)，这是一种ML技术，允许支持人工智能的代理通过反复试验从他们的环境中学习，就像人类学习一样。

目前，How和他的团队使用由Amazon EC2 GPU实例支持的AWS深度学习AMI环境，这些实例可以在云上执行非常复杂的计算(不需要管理机架和服务器)，最终目标训练和运行强化学习模型的速度和准确性足以应对现实世界的影响。

当然，这依旧是一项巨大的挑战。

How说：“如果我们对什么时候去吃晚饭都有不同的看法，你需要多少沟通才能达成一致?”这看起来相对简单，但在机器人系统中，我们要处理的问题比这多得多，通常这些问题都有很多不确定性。”

算法和云服务是解决问题的关键

在如何共同学习人工智能智能机器人的理想生态系统中，要实现整体大于部分之和需要一些重大的技术努力才能实现。

为此，该团队严重依赖于使用PyTorch和TensorFlow机器学习框架在Amazon EC2 P3实例上构建的仿真。

▲图片来源：网络

How一直在努力为他的团队提供足够的计算能力，以便运行复杂的RL算法，使一群机器人保持不断的通信，并在飞行中调整它们的行为。

利用基于云的服务，团队中的每个成员都可以根据自己的需要访问尽可能多的计算能力，无论他们正在处理的机器学习问题的哪个方面。

“在这种基于模拟的训练中，我们要测试数百种设置，速度是至关重要的，”研究How的理科硕士研究生金东基(Dong-Ki Kim)说。“它直接转化为我们在更短的时间内运行更多迭代的能力。AWS提供了强大的GPU实例，大大缩短了训练时间，加快了我们的研究步伐。”

How说他认为这项研究商业化需要5到10年的时间，这可能是未来人工智能应用的一个基本推动者。

“即使是一队送货机器人也能从这项研究中受益，”他在谈到机器人共同送货的可能性时表示，“他们可以从经验中学习，分享学到的知识。”