今日視點

　　本報記者 常麗君

　　孩子來到這個陌生的世界上，他們移動著自己的身體，探索著身體怎樣移動、怎樣抓住玩具、怎樣推開桌上的東西，同時觀察模倣著成人的做法，如此這般學習著這個世界的一切。

　　但如果讓機器人專家教一個機器人執行任務，一般情況下，他們只能靠編寫程式，或移動機器人的手臂或身體，如此告知它們如何行動。美國華盛頓大學電腦科學與工程教授拉加什·拉奧説：“你可以把這當作是建造能向人類學習的機器人的第一步，它們的學習方法和兒童向大人學習是一樣的。如果讓那些絲毫不懂電腦程式的人去教一個機器人，只能用演示的方法——讓機器人看著怎麼洗盤子、疊衣服、做家務。但要實現這一目標，機器人還要能看懂這些動作，並自己學著做出來。”

　　華盛頓大學機器人專家與該校學習與腦科學實驗室研究所副主管安德魯·麥茲奧夫合作，開發出一種新的概率模型，將兒童發育研究和機器學習方法結合起來，目標是解決機器人技術中的根本性難題：造出能通過觀察和模倣人類來學習新技能的機器人。

　　兒童更擅于感知他人意圖

　　麥茲奧夫以往的研究表明，18個月大的兒童能推測出大人動作的意圖，並能想出其他方法達到他們想要的目的。

　　在一個案例中，兒童看到大人想拉開一個玩具杠鈴，但未達到目的，因為杠鈴是粘在一起的，大人的手滑到了杠鈴末端。兒童看著這一切，然後決定用另一種方法：用他的小手指抓住杠鈴末端，更加用力地猛拉——重復大人想要做的。

　　從某種程度上説，兒童更擅于感知他人的意圖，他們通過對自身的探索，學習物理規律，了解自己的行動對事物的影響，甚至能積累足夠的知識向他人學習，並理解他們的意圖。麥茲奧夫認為，兒童之所以能學習得那麼快，原因之一就是他們特別愛玩。

　　“兒童在玩的時候，看起來是毫無目的，但卻是一種學習。”麥茲奧夫説，“這正是兒童很有創造性的秘密。如果他們想知道怎麼玩一個新玩具，就要用到玩其他玩具時的經驗。在玩的過程中，他們也在學習著一種思維模式，即自己的行動會對外界造成怎樣的改變。一旦有了這種思維模式，他們就有了解決新問題的能力，並開始推測別人的意圖。”

　　用“學習概率模型”指導機器人

　　利用對兒童的研究，拉奧團隊開發了機器學習演算法——一種學習概率模型：讓機器人觀察自己的動作，看不同動作可能帶來什麼樣的不同後果，然後用這種學習概率模型，推測一個人究竟想做什麼，並完成他的意圖，甚至在機器人無法確定時，還能“詢問”求助。

　　研究團隊用兩個不同的場景對他們的機器人模型進行了測試：一個是電腦模擬實驗，其中的機器人能通過追蹤人類的目光學習；另一個是真的機器人，能通過模倣人類行動來學習，比如移動桌子上的玩具。

　　在目光追蹤實驗中，機器人學習了一種如何移動頭部的規則模型，並假定人類轉頭也遵循這一模型。當人在屋內環視時，機器人會追蹤他頭部移動的起點和終點，用這些資訊算出他在看什麼地方，然後用學到的頭部運動規則，把自己的頭轉向人所看的地方。

　　研究人員還重復了麥茲奧夫對兒童所做的一個實驗，讓一個大人看向某個地方然後矇住眼睛時，兒童會對那個地方視而不見，或者也看向那裏並矇住眼睛，表示不感興趣，因為按他們的理解，大人其實是不想看那裏。研究人員讓機器人“理解”矇住眼睛（視而不見）的後果，它們就不再追蹤人類轉頭所看的地方。

　　“兒童通過自身的體驗來理解他人的行為，我們的機器人也是這樣。”麥茲奧夫説。

　　在第二個實驗中，研究人員讓機器人模倣人類移動桌上的物體並把它們擦乾凈。在學習模型的指導下，它們每次都不是生硬地模倣人類動作，有時還會用不同的方法來達到同樣目的。

　　華盛頓大學電腦科學與工程博士生鄭宰永説：“抓取、拿起、移動這些動作對機器人來説比推要困難，讓人類把一個物體拿到另一個位置或許更容易，也更可靠，但還要知道目的是什麼，這是機器人技術中的一個難題，也是我們致力研究的問題。”

　　雖然實驗最初只是學習怎樣推斷目的、模倣簡單動作，但研究人員還打算探索這種模型能否幫助機器人學習更複雜的任務。

　　“兒童通過玩耍觀察別人來學習。”麥茲奧夫説，“他們是地球上最棒的學習者——為什麼不設計一種能像孩子那樣毫不費力學習的機器人呢？”