2.3 云計算，云智能機器人

智能時代的另一個常見的隱喻就是云。所有的信息、所有的信息容量、所有的計算及所有的智能都懸浮在我們的頭上，看不見摸不著卻又極其真實，沒有定型猶如鬼魅隨時出現在我們身邊卻又居無定所——這或許是流行語“神馬都是浮云”的另外一層含義。人們將自己生活的全部遷移到了云端，照片、音樂和視頻可以存入云端，生意、購物和理財也都可以通過云端來打理，甚至有朝一日所有的貨幣也將存在于云端。一個云端就是一塊由幾百萬臺計算機組成的殖民地，這些電腦無縫隙地對接在一起，使其行動起來就像一臺超級電腦。無論今天已經部分實現的弱人工智能，還是正在形成中的強人工智能，其所能做的事情大部分都需要借助云計算來完成。雖然看不見，但是智能生活確確實實是在云端運行著的。

人工智能關鍵技術深度學習是在云計算和大數據日趨成熟的背景下取得的實質性進展，云計算為深度學習提供了平臺，大數據為深度學習提供了礦石，深度學習因此才得以在云平臺和大數據中淘出黃金。全球互聯網與海量大數據的出現，給了深度神經網絡研究以大展拳腳的空間，機器的深度學習也成為可能?！都~約時報》曾以《需要多少計算機才能正確地識別貓？16000臺》為標題報道了Google Brain是如何訓練機器認識貓的，這需要You Tube上數以百萬級的視頻資料。語音識別、機器視覺、物體識別、人臉檢測、翻譯會話等領域的創業公司開始遍地開花。數十億計移動傳感器和計算系統共同構成了云計算，這樣，全球范圍內的幾乎所有智能手機源源不斷地喂養、調教著一顆超級大腦，仿佛一張高速運轉的神經網絡。

由于云端的核心是動態分布的，所以，一個云端要比一臺傳統的超級電腦更為強大。這意味著它的記憶和工作是以大量后備存儲的方式存儲在大量的處理器中。計算的功能變得越強大，設備就會變得越小巧、越輕薄，云端負責所有的計算工作，而人們手中的所有設備只是提供對接云端工作的一個窗口。

凱文?凱利在他的新書《必然》中提到，真正的人工智能不太可能誕生在獨立的超級電腦上，而是會出現在相互連接的互聯網，以及物聯網——這個由數十億電腦芯片組成的超級組織中。事實上，如果弱人工智能還有可能存在于獨立的智能設備之中，那么要邁向強人工智能的新時代，那種單獨的人工智能本身存在的無法快速而聰明地學習的缺陷就制約了它。而云端給我們提供了令人驚異的可靠性計算、極快的速度及不斷拓展的深度。每一個接入云端的獨立智能設備與以前相比，變得更強大了，但也更精巧了；更便宜了，但反應也更快了。事實上，人工智能要想不斷地實現深度學習和加速進化，那么這種學習和進化一定是基于云計算的，也可以稱之為云智能。在這方面，已經看到云機器人取得的顯著進展。

在Humanoids 2010會議上，卡耐基梅隆大學的James Kuffner教授提出了“云機器人”的概念，引起了廣泛的討論。云機器人就是云計算與機器人學的結合。就像其他網絡終端一樣，機器人本身不需要存儲所有資料信息，或具備超強的計算能力，只是在需要的時候可以連接相關服務器并獲得所需信息。如圖2-8所示為云機器人工作原理示意圖。

要實現機器人的智能程度，必須依托于強有力的操作系統來充當機器人的大腦角色。然而，現實情況卻是，如果要制造運算能力達到人類水平的機器人，需要一個體積相當于人腦100萬倍的機器人大腦，這樣大的機器人大腦與身體根本無法匹配。于是，研究者開始探索一條將認知系統放在云中，身體、驅動、傳感器放在機器人本體上，通過移動通信將二者連接起來，實現順暢操作的智能云機器人的道路。在這種邏輯之下所制造出的機器人，相當于把一個人脊椎以上的大腦和小腦存在云端之中。這樣，機器人的大腦將變得無限大，而其身體則可以被極大地壓縮到最小的物理范圍。事實上，這種基于云端的人工智能發展方向正在成為日常生活中根深蒂固的思維方式和解決方案。同時，它也遵循網絡效應的一般法則，越多人使用它，它就會變得越聰明，對新用戶的吸引力也將會變得越強大，這樣就有更多的智能設備或用戶接入云端，它就會變得更加聰明從而吸引更多的接入。

2011年歐盟資助了一個名為RoboEarth的項目，該項目旨在讓機器人可以通過互聯網分享知識，并且能夠獲取強大的機器人云服務。RoboEarth建有專門為機器人服務的一個網站，是一個巨大的網絡數據庫系統，機器人在這里可以分享信息，互相學習彼此的行為與環境。以往單個的機器人，往往只能依靠編程完成特定的任務，只能借助于人類處理過的信息，完成精確指令和任務，在沒有相關程序支持的情況下，就會舉步維艱。單個的機器人是孤立的，其功能和行為在出廠時基本已經設定好了，而且很多機器人不具備自我學習能力。因此，當機器人處于陌生的、非結構化的環境時，就不能讀懂環境并有效應對一些事情。面對人類生活環境的多樣性，機器人能否自我學習？如今快速發展的傳感器技術可以讓研究者們收集大量的傳感器信息，數據挖掘工具也能夠提取更有效的模型，強大的互聯網技術（如云計算）可以讓開發者獲取比機器自我學習更多的信息。

云機器人的突破恰恰正是由于大數據和云計算技術的成熟，以及數據傳遞速率的加速進步而得以成為現實的，它把先進的機器人所需要的大部分計算都集中到了動態化分布式的云端，同時允許并鼓勵單個的機器人訪問云端資源。因為需要較少的機載計算和存儲，制造更加廉價的智能機器人就具備了現實可行性。更關鍵的價值還在于，云機器人還將促進機器人之間進行即時的軟件升級——如果一個智能機器人采用集中式智能學習適應了某種環境，那么它新學到的知識將會即時提供給系統接入云機器人系統的所有其他智能機器人，從而使大量機器人的智能學習變得更加容易和簡單。在當前弱人工智能的階段，要求一個智能機器人能夠完成各種類型的家務勞動還存在著巨大的難度，因為它尚無法識別不同形狀的各類物品并將它們以正確的狀態擺放在合適的位置。

從現在的弱人工智能到能勝任各種人類勞動并且廉價到大眾能買得起的強人工智能還有很長的一段路要走，但云計算、云機器人、云智能等理念的提出和應用至少為我們提供了一條看似可行的解決路徑。融入云計算領域的云機器人將更輕裝、更便宜、更智能，對網絡和自動化的每一個領域和行業的影響將會無比深遠。當前，隨著網絡覆蓋率和速度的大幅度提高，云計算平臺正在日益完善，以及物聯網作為基礎設的初現雛形，云機器人也將迎來其發展的黃金時期。

谷歌、亞馬遜、Facebook、蘋果等公司都已經做出了相應的云計算或者云機器人方面的布局。例如，谷歌推出的“護目鏡”系統相當于某種意義上的云圖像庫，任何訪問該系統的機器人可以瞬間更新其視覺識別能力。Facebook的云計算能力則可以使得其智能設備能夠快速在數十億照片中找出其剛剛看過的某個人的照片。但是產業巨頭之間的角逐和競爭也存在一定的弊端和限制，畢竟不同公司的能力有限，側重點也各不相同。所以，在未來的發展之路上，云計算和云智能機器人的下一步需要將不同的云連接成一個更大的“互聯云”，也就是云端的云端，從而避免“云孤島”現象的加劇。這樣，各大產業巨頭的云端和越來越多企業的云端將會交織成一個巨大的大云端或母云端，它將引導著整個人類社會向強人工智能乃至超人工智能時代不斷前進。

云機器人將數據處理和管理轉變到云端，在本質上，這意味著機器人不再是一座孤島，這一觀點受到越來越多像谷歌、思科這樣的主流公司的廣泛關注。機器人需要基于大數據、云計算才能發揮其最大功能。一個可能的結果是，未來的人工智能或許將會由兩到三家寡頭公司主導，并以基于云端的多用途商業產品為主。類似于谷歌或者臉書這樣的企業，將在已經領先的高度加速發展，擴大與追趕者之間的優勢。