提到機器人，大家腦海中第一時間會浮現(xiàn)出怎樣的事物？

大概率情況下，要么是工業(yè)級/服務級機器人，以機械臂、簡單驅動型為主角，不講究外形美觀，動作也往往不怎么連貫，常常被冠以“人工智障”的美稱；

要么則是仿人機器人，它們總是出沒在伯克利或波士頓動力等高大上的實驗室里，能夠以七十二般武藝讓人類忍不住發(fā)出“滅絕警告”，但必需的編程和持續(xù)作業(yè)能力，以及技能的泛化程度，卻都達不到大規(guī)模應用的可能。

人與智能機器之間，有沒有第三種可能呢？

其實早在1960年，約瑟夫·利克萊德（J. C. R. Licklider）就曾提出了一個觀點——人機共生（Man-computer symbiosis）。

簡單來說，就是人類和電子設備以親密合作的方式生活在一起，甚至結成緊密的聯(lián)盟。兩者的結合，可以創(chuàng)造一種高產(chǎn)且生機勃勃的合作關系。

“人類機器命運共同體”，聽起來是不是很心動？可惜的是，目前目前還很少見到人機共生體（man-computer symbioses）的出現(xiàn)。所以，最近中國機器人產(chǎn)業(yè)中出現(xiàn)的“發(fā)球機器人”，就引起了我們的注意。

原因無他，這或許是人機共生“星星之火”燎原的起點。

點燃人機共生的星火：發(fā)球機器人的初蹄

首先有必要解釋一下，為什么說發(fā)球機器人，體現(xiàn)出了“人機共生”的現(xiàn)實趨勢。

這款發(fā)球機器人，起源于新松機器人與乒乓球學院一次偶然的談話。

當前的乒乓球運動存在一些亟待解決的問題：

一是效率。助教為專業(yè)運動員喂球時，往往在速度、旋轉、落點控制、頻率等方面，難以達到高水平選手的訓練需求；

二是統(tǒng)一。一旦助教出現(xiàn)疲憊、狀態(tài)不佳等情況，就會直接影響速度、旋轉等參數(shù)，影響訓練特定技戰(zhàn)術動作的一致性，運動員很難形成最佳的肌肉記憶；

三是反饋。乒乓球是一項實時性非常高的運動，往往一秒之間幾個來回，過快的球速與落點的不確定性，也導致教練往往只能憑借經(jīng)驗來反饋，很難通過量化來優(yōu)化教學，一些特定動作也就無法有效分析和復現(xiàn)。

四是普及。乒乓球的另一個身份是“國球”，中國有眾多的愛好者和青少年參與到這項運動中來，但不同地域、不同水平的教練卻參差不齊，自然也就無法滿足更多人群享受乒乓球這項運動的愿望。

能不能通過智能技術的引入，來解決上述問題呢？

深耕深度學習算法的龐伯特，就以新松的機器人研發(fā)技術和中國乒乓球學院的海量專業(yè)數(shù)據(jù)和課程，研發(fā)出了可以自主決策的人工智能發(fā)球機器人。

而讓龐伯特機器人得以勝任發(fā)球工作的幾大核心：

首先是感知。通過高速雙目立體視覺系統(tǒng)，機器人能夠捕捉高速運動下的乒乓球位置，并形成球的軌跡，通過軌跡分析，在毫秒內判斷球速以及球的旋轉方向，讓乒乓球技術轉化為可視的數(shù)據(jù)，實時調整，精準化訓練。

其次是決策：在軌跡分析的基礎上，龐伯特同時對人體動作進行捕捉，通過與預設的動作角度進行比對，分析運動員動作是否到位。結合軌跡和動作兩個因素，判斷運動員的水平，推薦課程。對于個人愛好者來說，相當于擁有了一個專業(yè)教練+陪練。

再次是運動。龐伯特機器人具有類人化結構，不同于市面上以擠壓方式進行發(fā)球的設備，龐伯特能夠高度模擬類人化的發(fā)球方式，模擬人類發(fā)球時對球方向和旋轉，實現(xiàn)兩跳發(fā)球。而利用不同的球拍膠面，還能打出不一樣的球，這些都能更好地輔助人類運動員進行訓練。

顯然，龐伯特機器人正在將技術思維（technical thinking）與人類智慧相結合，為人機共生打開了新的窗口。

逃離恐怖谷：發(fā)球機器人昭示三重改變

從龐伯特機器人的實踐中不難看出，如果在人和機器之間建立共生關系，那么二者的合作互動顯然會大大改善很多現(xiàn)有問題。

由此也可以總結出，共生型機器人與大眾常見的傳統(tǒng)機器人有何不同之處：

首先，盡管所有人造系統(tǒng)都是為了幫助人類，但傳統(tǒng)的自動化機器人更多的是為了實現(xiàn)“人類增強”，而共生型機器人則是為了“與人類更好地生活在一起”。

還是以發(fā)球機器人為例，傳統(tǒng)的發(fā)球設備只是機械地擴展某項技能，比如取代人的手臂來進行發(fā)球，往往需要人類助教來完成那些需要主動決策、調整、制定標準等工作，在效率和功能上并沒有帶來質的改變。

而龐伯特機器人的特殊之處，就在于通過深度學習算法的引入，在智能程度上賦予了機器人新的高度。比如實時高通量的數(shù)據(jù)收集與處理；高效精準專業(yè)的預判決策；個性定制化的訓練反饋與指導；乒乓球運動的隨機性又要求算法具備一定的泛化能力和高魯棒性……這些都是龐伯特機器人能夠成為乒乓球運動伙伴的關鍵。

第二，共生型機器人必須具備可“實時”（real time）進行的思考過程。

傳統(tǒng)的機器人可以根據(jù)預先設定的程序處理數(shù)據(jù)。比如餐廳服務機器人，輸入店內地圖、設定好傳送菜程序之后只能按部就班地工作，有的甚至連避讓行人都做不到，因為提前設定會導致一旦出現(xiàn)不可預見的情況，整個過程就會停止。

但球類運動可不一樣，乒乓球的高速運動需要發(fā)球者做出毫秒級的判斷，像人一樣快速思考、分析、決策、反應。對于人類來說都可能要靠直覺來完成的事情，對機器與人之間的耦合要求要緊密的多。

讓機器能夠做出決策和控制復雜的情況，而不依賴于預先確定的程序，就是龐伯特機器人向我們展示的現(xiàn)實圖景。

最后，共生型機器人有機會重構機器人行業(yè)的商業(yè)方法論。

長期以來，傳統(tǒng)機器人市場的商業(yè)邏輯，要么是“人工+智能”，用真人來操控機器人模型，以達到模擬強人工智能的效果；要么是長期砸錢在天頂技術上，比如波士頓動力的機器人雖然炫酷，卻因商業(yè)化困難而賣身給軟銀。

但龐伯特機器人所代表的共生型機器人卻開啟了另一種模式，通過“真AI算法”+聚焦實用場景來切入市場。

我們注意到，除了發(fā)球機器人之外，龐伯特還打造了對打機器人。

將深度學習神經(jīng)網(wǎng)絡與強化學習相結合，讓對打機器人和發(fā)球機器人能夠通過大量復雜環(huán)境的交互，運用各自的人工智能算法平臺，不斷得到反饋，互相學習到新的技能與策略，機器人之間的對戰(zhàn)也能不斷提升算法模型的復雜度與智能度。

同時，一旦高性能算法模塊被拼圖一樣使用，就能夠以低成本、小型化、高效率的方式快速打開市場，未來不止于乒乓球這一項運動，更多場景都可以通過軌跡分析、動作分析、終端顯示等集成模塊帶來改變。

從這個角度看，龐伯特機器人正在重新確立人與機器、甚至是機器與機器的關系，即一種共生伙伴關系（symbiotic partnership）。在這一美好的畫面中，機器會為人類提供見解和決策，而人類則能更有效地進行智力活動與創(chuàng)造。

打開產(chǎn)業(yè)智能的價值圖景：挖掘人機共生的富礦

正如國際人工智能聯(lián)合大會前主席Francesca Rossi所說，人機共生是未來人類使用AI的最好方式。

那么，作為人類和機器的預期前景，其中是否也埋藏著商業(yè)價值的富礦呢？

答案是肯定的。

以龐伯特機器人為例，未來就有可能締造出不少新的產(chǎn)業(yè)機遇。

比如說，通過與海量運動員對戰(zhàn)，發(fā)球機器人可以積累專業(yè)領域的數(shù)據(jù)，不斷優(yōu)化算法，快速提升自身的擊打能力和策略，衍生出個性化的對戰(zhàn)方式，來幫助運動員更好地進行訓練。并將其輸出為可量化、可視化的訓練標準，讓乒乓球的專業(yè)教育門檻下沉到普通人生活當中。

再比如，分析決策算法的持續(xù)迭代，有望推廣到新的運動和行業(yè)中去，以基礎化的能力支撐起千行萬業(yè)的智能化需求，成為“新基建”中不可或缺的一員。舉個例子，當機器人與城市智慧健康系統(tǒng)結合，是否能夠作為市民健康的關鍵終端，來提供行而有效、可連可控的運動網(wǎng)絡呢？

從這個角度延展開來，龐伯特機器人不僅能夠輸出算法模塊，還能夠向其他行業(yè)輸出軟硬件合一的整體智能解決方案。通過算法、硬件、人的交互，完成一次人機共謀的大變革。

站在萬物智能、人機共生的起點，不難預見人類和機器之間密切耦合的未來。與智能生命伙伴共舞，是人類必然的未來。而目睹了龐伯特機器人的我們，也正在經(jīng)歷種植AI的進行時。

過去的數(shù)年間，讓深度學習擺脫需要大量輸入和人工的有監(jiān)督學習，一直是人類研究者努力的方向，為此推動了許多新的技術進展，比如：

借助meta learning元學習算法，機器獲得了“泛化”，能夠舉一反三，學習協(xié)同性地處理多種任務；

借助Reinforcement Learning強化學習，機器懂得了“決策”，通過不斷地自我學習與回饋來抵達高級智能。

而這些能“擬人”的機器學習方法，也讓AI獲得了前所未有的能力，打敗柯潔李世石的DeepMind阿爾法狗、在DOTA2中團滅人類電競選手的OpenAI Five、自動駕駛，乃至通用人工智能AGI，都是通過讓機器模仿人類對世界的認知方式，以不斷探索、試錯、改進的方式，與環(huán)境進行實時交互，進而提高自己的能力。

天地有正氣，雜然賦流形。今天，龐伯特也試圖讓機器人“自行進化”，啟動了一場發(fā)球機器人教對打機器人打乒乓的“先鋒實驗”。

通過兩臺機器人之間的相互“較量”，讓機器人身處在一個不可預期的環(huán)境中，依靠人工智能算法平臺主動生成一些標記和標簽來做決策判斷，獨立解決多個非線性的邏輯問題，通過“行動-評價”的強化學習機制來改進自身，適應新的環(huán)境，從而發(fā)展機器人間的校驗標準。這會為成為機器人社會意識的起點嗎？