将人工智能应用于现实世界要比应用于数字生态系统困难得多;这就是机器人用例在商业领域，这比启用ai等应用程序要困难得多欺诈检测。
为了详细说明这些差异，Emerj采访了人工智能公司Vicarious的联合创始人Dileep George，这家公司已经为Kisaco Research筹集了超过1亿美元的风险投资脑灵感计算大会2020活动将于4月21日至22日在加利福尼亚州的米尔皮塔斯举行。我们与Dileep讨论了在机器人用例中采用人工智能的独特要求和考虑，以及在新的十年中启用人工智能的机器人将在商业中发挥的作用。
请收听我们的完整采访人工智能在工业播客或阅读以下采访要点:
用你最喜欢的播客服务订阅我们的AI in Industry播客:
专业知识:机器学习、神经科学
短暂的识别:在共同创办Vicarious之前，Dileep曾于2005 - 2010年担任Numenta机器学习公司的联合创始人兼首席技术官。他拥有斯坦福大学电气工程博士学位。他还是红杉理论神经科学中心和加州大学伯克利分校的客座研究员。
采访中强调了
(1:30)机器人的独特之处是什么?
名为乔治:这是个很好的问题。应用于机器人的人工智能与欺诈检测或对照片进行分类之类的工作非常不同。不同之处在于机器人在世界中行动，所以要在世界中行动，你对世界的感知必须相当准确。
对于分类问题，它是非常不同的，因为当你搜索一只猫时，如果它给你看猫的照片，你会很高兴。你不会错过它没有发现的那只猫的照片。这就是回忆与精确的问题。
而在机器人技术中，你需要高回忆和高精度。如果你想抓住一个物体，你需要能够抓住那个特定的物体。你抓着别的东西是得不到积分的。
如果需要插入该对象，则需要知道如何持有该对象。你需要相当准确地感知你周围的世界，你需要能够控制你的行为，这样插入才正确，你需要将来自世界的反馈整合到你的行为中。
在静态分类器或欺诈检测中，所有这些部分都是缺失的。这些都是静态分类算法，这不是机器人需要的。所需要的是对环境的准确感知，并看到反馈来纠正您的行为。所有这些，规划，项目，地点，所有这些都进入了画面，而这些在其他应用程序中根本没有处理。
当然，你必须得到机器学习有一部分是对的。你必须把人工智能部分做好。但是如果你搞砸了其他的部分，你将不会得到它的价值。所以你必须从所有不同的硬件，相机，和你的机器人的电缆中得到所有的东西。
当你试图为一个领域制造机器人时，可能出错的事情有很多。是的，人工智能和机器学习很重要。这是硬件改变的基本原则，配置改变，所有这些，你必须把这些都做好。
(05:00)现实世界的局限性如何影响潜在的机器人用例?
DG:有一件事是，我们不会在你犯了一个错误，就会有非常糟糕的事情发生的情况下去解决问题。我会把自动驾驶汽车在这种情况下，你需要达到99.99999%的准确率。
大量的问题你仍然可以通过99.5%和99.9%的准确率来解决，而且出错也不是致命的。我们要解决的就是这类问题。具体来说，除了像car这样的东西外，装配线的操作现在大多是手工完成的制造业这是非常非常有条理的。
大多数其他的装配线操作是非结构化的，是高度混合的，产品每隔几个月就会改变，这些现在都是手工完成的。
在那个领域有很多实现自动化的机会，也有很多人工智能的机会。对机器人来说很难的原因是，你知道环境经常变化，你不能使用传统的机器人来为每一个新的设置重新编程。这太贵了，太费时间了。
所以你需要有能感知世界的人工智能，有一定的常识，并具有适应性，这样当事情再次发生变化时，你可以快速地重新利用它来适应新的环境，或者它可以快速地学习来适应新的环境。
(07:30)机器人是否与其他人工智能产品类似，因为企业在医疗诊断等高风险用例中不愿采用它们?
DG:嗯，共性是在最顶层，但一旦你再深入一点，共性就消失了，所以想想医学成像或建立交易机制。在这些情况下，你认为这个世界本来就是嘈杂的，所以你的决定应该是嘈杂的。所以，是的，你解释一个医学图像是一些混乱，混乱，专家将不同意和人们期待的噪音系统的数量。你期望输出是概率性的。
但说到看，嘿，那是垃圾桶吗?这个物体在这里吗?人不同意。人们不会有分歧，也不会犯错。即使人们犯了错误，他们也能很快从错误中恢复过来。人们非常擅长与世界上的物体进行交互。所以期望是不同的，装配线是为人们建造的。
它们是为了让人们变得非常非常有效而设计的。所以你可以在没有100%准确率的情况下攻击它，这和分析一个数字图像或者进行交易是不一样的，人们期望这些图像本身是有噪声的。但在这里，不，不是。人们并不期望它有固有的噪声，当出现错误时，人们很快就知道了。哇。那个东西没有意义，所以在那个意义上它是不同的。
(10:30)你认为机器人在未来五年内会带来哪些最大的改变?
DG:是的，所以我认为结构化环境是完全自动化的。它在相同的结构化环境中。它不像汽车制造业那样有组织，但环境仍然有一定的组织，它也不完全是一个到处乱扔衣服的家庭环境，或者一个你不知道东西在哪里的任意厨房。
不是那样的。它仍然是半结构化的，但是有大量的感知工作要做，大量的组装工作要做。我认为，在这些领域，机器人技术与人工智能相结合，人工智能驱动的机器人技术将开始发挥作用。
一开始会很有挑战性。你必须找到合适的扩展机会。你还要记住机器人的上游和下游的操作。所以你不会把整条生产线都换成机器人。
你只会用机器人代替一些操作。所以你必须记住这些变化对人类的上游和下游的影响。因此，这些机器人将被部署在装配线和仓库里。但你必须认识到正确的机会，并以正确的方式加以利用。
你不能指望一个公司完全改变一个流程，建立一个全新的仓库。在这种情况下，事情不是这样的。所以你必须使解决方案适应他们的需要。你必须在合理的范围内工作。
你必须让你的系统足够智能和灵活，这样你才能适应他们的需求，而不是提出太多的要求。他们愿意接受一些改变，因为最终它改善了流程，最终它在记录多少人工操作和处理多少操作方面做出了重大改变。所以这绝对是一个巨大的不同。
用你最喜欢的播客服务订阅我们的AI in Industry播客:
这篇文章由Kisaco Research赞助，并根据我们的《透明》杂志进行了写作、编辑和出版Emerj赞助的内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
标题图像信贷:开拓思想
