图片说明：这种微型人造三维“神经网络”模仿人脑神经网络，帮助机器更好地再现周围环境。
点击此处查看全部科技图片

图片说明：火星漫游者号将利用“行为基础控制”形式，在火星表面自动执行特定任务。在这里，利用多种斜坡来测试这一漫游者号的灵活系统。
点击此处查看全部科技图片

　　据美国航天局喷气推进试验所(JPL)网站10月28日(北京时间10月29日)文章《人类，差不多也是机器人》：

　　长期以来，人们总在思考这样一个问题：如果机器人看起来像人，连说话、走路也像人，那它是人类吗？至今为止答案仍然是否定的。机器人不能像人类一样的哭叫、流血或者感觉，这是机器人不同于人的部分原因。但如果机器人能像人一样思考呢？

用UC每月免费发短信 新浪搜索联盟 不一样 人大附中网校招生中 1拍网 满200送100

　　现代机器人还没有电影和科幻图书中所描述的机器人那般神奇。全世界工程师和科学家仍在深入研究了解机器人，并把研究重点放在开发机器人的物理特征上，比如仿人面貌或者是人造肌肉。位于加利福尼亚的美国航天局喷气推进试验所(JPL)遥控机器研究和应用小组工程师则致力于开发程序，使机器人具备与人类思维过程相类似的人工智能。

　　为什么要开发机器人的人工智能？

　　一般的机器人在运行过程中如果出现问题，则由技术人员修改程序代码并重新执行，直至达到预计效果。JPL机器人技术工程师巴里-沃格(Barry Werger)说，我们的最终目标是让机器人有更多的独立性，并学会调整自身程序。

　　科学家和工程师研究多种方式来控制机器人，其中有两种截然相反的方法：“慎重控制”(deliberative control)和“灵活控制”(reactive control)。

　　相对来说，前者是一种传统的具有优势的控制方式，它以数学精度来构建路线和行为样式，使机器人的行动形成一整套步骤。依次执行这些步骤，机器人就能达到活动的目的。这就好像是蒙着眼睛的海盗在寻找埋藏的宝藏：从A点出发，向北走36步，然后向东走12步，再往东北方向走4步到达X点，找到宝藏。

　　但这种方式的缺陷是，如果因为某种原因干扰了机器人的进程(比如说，路线错误或者缺少行动细节)，机器人就必须被迫停止，接受路线和行为计划的重新编订。问题是，这种“重计划”如果多次反复进行，其花费将是相当昂贵的。而且，如果机器人在行进过程中碰到不可预料的障碍，如岩石或者洞坑，为了保证机器人的安全，还需要调入备用程序来取消本次行动。

　　而“灵活控制”方式则摆脱掉路线和计划编排，将重点放在现场周围环境的观察上，就好比是这样：如果前方有岩石，那么减速；如果发现地里有某一物体X，那么挖寻。

　　JPL遥控机器人研究和应用小组项目带头人霍马尤恩-瑟热基(Homayoun Seraji)博士一直在关注研究“行为基础控制”(behavior-based control)，这是一种与“灵活控制”相一致的控制方式。“行为基础控制”允许机器人在实时观察不可预料的、不断变化的环境的同时，仍能遵循计划编排：当看到一块红石头时，向右转，顺着上坡往下走，靠棕榈树向右挖洞，就能找到金子。

　　“行为基础控制”还允许机器人有很大的灵活性，像人一样通过改变计划去适应变化着的环境。在宇宙空间探索中，这种控制方式显示出了许多优势，比如减少由于从地球上操作远距离机器人所产生的通讯迟滞。

　　如何实现机器人的“行为基础控制”？

　　瑟热基的研究组侧重于通过两种方式来实现“行为基础控制”：一个是“模糊逻辑”(fuzzy logic)，另一个是“神经网络”(neural networks)。在这两个系统之间最主要区别在于，应用“模糊逻辑”的机器人通过现成的、不能丰富更新的知识来完成任务，而应用“神经网络”的机器人则从零起步，随着时间的推移逐步实现知识的学习和积累。

　　1、模糊逻辑

　　“模糊逻辑”是一种酷似人类表达行为的方式，它以语言学命令代替数学命令进行。举个例子：当一个人告诉另一个人说，这里很热，另一个人就会明白，或者要打开窗户，或者要打开空调。那个人并没有被直接告明需要打开窗户或者空调，但他知道，如果热了，就需要采取措施让温度降下来。

　　通过整合“模糊逻辑”与工程技术，机器人就能够像人一样对视觉或听觉信号作出反应，比如对于上面的例子，当机器人认为屋里太热了，它就会打开空调。

　　2、神经网络

　　“神经网络”模仿人脑神经网络系统的运作方式，通过观看大量的实例，将这些简单的元素组织成一个相互联系的网络，以此达到学习的效果。装有“神经网络”系统的机器人能像婴儿或儿童一样进行学习，从自身实践中习得知识、联系感觉与行为、适应未知情况或环境，只是学习的速度比较慢。

　　JPL一名专攻人工智能和空间应用智能技术的工程师艾安那-霍华德(Ayanna Howard)认为，“新奇”与“危险”二者的概念区别在本质上是不明确，但通过“神经网络”可以习得。我们可以训练机器人去认知：如果遇到多岩石地面，那么这地形是危险的；或者是，如果多岩石地面有奇怪特征，那么这里可能具有巨大的科学价值。

　　沃格说，我们能够很容易地告诉机器人，正方形是有四条边的等边形，但我们怎样才能向机器人描述猫呢？利用“神经网络”，我们向机器人展示了多种猫的例子，经过一段时间后，机器人就能大致认出猫来。

图片说明：在实验室环境下，漫游者号通过训练，能够识别和通过艰难地形。当机器人被置在远距离位置执行任务时，比如火星表面，这种习得的技能就能派上用场。

　　同样，如果地质学者展示多种类型的地形并在每种地形上附以标签，那么“神经网络”也能够对地形进行学习分类。当“神经网络”日后看到一种从没见过的地形图时，它就能根据以前的课程判断这地形是危险的还是安全的。

　　机器人的今天和明天

　　随着像“行为基础控制”这种自动机械技术的不断发展，未来宇宙空间任务的操作将能大幅度地摆脱对人为命令的严重依赖性。事实上，类似的技术在一些领域已经得到应用，如数码相机、计算机程序、洗碗机、清洁机和一些汽车引擎。邮电局甚至利用“神经网络”来读取手写笔迹和进行邮件分类。

　　沃格说，这并不意味着不远的将来机器人就能像人一样的思考，但通过人工智能，它们能够变得更容易沟通、更具独立性、更有效率性。(编译/梦飞)