返回首頁 hi, 歡迎來到機器人在線 請登錄/ 免費注冊 訂閱郵件
有疑問,咨詢在線客服

回顧2019年機器人技術趨勢:人機信任危機依然嚴重

時間:2019-12-31 來源:機器人在線 閱讀:5757

隨著人工智能和機器人技術越來越緊密地合作,隨著2019年的結束,回顧過去一年的趨勢成眾人所期。


以下是幾位人工智能和機器人高管的回顧:


1、 引入高負載的AMR是2019年的重大事件之一


2019年機器人技術的最大新聞是兩個重大事件的結合——引入用于高負載材料的自動移動機器人,以及這些AMR的能力,甚至是那些致力于減輕負載的機器人,都可以從中感受到人工智能的進步。


創新的AI功能可提高路徑規劃和環境交互的效率。移動機器人無需像對所有障礙物一樣做出反應,而是可以隨時隨地學習。例如,他們可以區分工人和叉車,并相應地調整其駕駛方式。


人工智能還使AMR可以在特定時間避開人流密集的區域,例如在定期用叉車運送和轉移貨物時,或者在有工作人員的人群時(例如在休息或換班期間)。在未來的幾個月和幾年中,我們肯定會看到將AI和機器人技術相結合的好處。


2、AI超越了炒作,被應用于各行各業中


2019年最大的趨勢之一AI超越了炒作,并被實際應用于現實生活中。在過去的幾年中,圍繞AI的討論非?;钴S,但是我們需要降低噪音并開發可以在各個行業中實際實施的AI。


以零售/雜貨業為例。這些公司是最早采用AI并大規模部署機器人的公司之一。像Badger Technologies這樣的公司在與AI公司合作提供機器人方面一直處于領先地位,這些機器人可以部署到全國的超市中。


這些機器人可幫助執行諸如庫存管理、提高商店安全性和提升客戶體驗等任務。我們已經看到越來越多的公司在考慮這些現實應用的情況下采用AI的例子。


3、深度神經網絡(DNN)取得新進步


在實現深度神經網絡(DNN)的新方法方面,我們已經看到了進步。人們可能沒有意識到實際上有幾種DNN的方法,將它們視為沿著頻譜分布的神經網絡的不同“陰影”。

?

諸如Lifelong-DNN(L-DNN)之類的新興方法正在使行業朝著新的、更受大腦啟發的方法發展,這些方法能夠即時向AI算法添加新信息。這意味著您不必每次都想從頭開始改善網絡,而可以在實地部署時看到其優勢和不足之處,繼續對它進行漸進式培訓。


盡管許多人認為這就是所有AI的工作原理,但實際上,開發支持持續學習而又無需完全重新培訓的方法論,在業界實際上是一個真正的挑戰。對于機器人技術而言,更重要的是,L-DNN無需服務器將學習轉移到了計算邊緣。這意味著對服務器進行ping訓練的需求消失了。


4、機器學習和機器視覺不斷得到改進


大型機器學習(尤其是深度學習)不斷得到改進、更好地理解和生成語言以提供更好的對話界面,并且機器視覺的準確性更高以提供更好的機器人感知力。所有這些使機器人可以脫離籠子,與人類更輕松地互動,以解決復雜的問題。


5、相比感受到威脅,機器人更需要的是被信任


關于人工智能和機器人技術的最大誤解之一是,一旦部署了人工智能,您就不必再碰它了。實際上,由于系統和過程總是在變化,所以事實恰恰相反。


相反,組織需要轉變思維方式,超越今天才能取得成功。人工智能不斷受到新興用例或條件變化的挑戰,因此機器人公司需要設計能夠適應實時遇到的新現實場景的人工智能,而不是構建解決方案并假定它將永遠工作。


與其他任何技術相比,人們繼續感到人工智能和機器人技術的威脅更大。盡管由于技術的廣泛應用和某種不透明的性質,我們可以理解這種“威脅”,但是有些人是在屏幕上看到或讀到的故事所感受到的,這與當前現實大不相同。


我們距離設計一種能夠獨立思考并理解/展示情感以尋求對人類破壞的機器還差得很遠。大多數基于AI的系統都經過培訓,可以高效地執行少量任務,并從提供給它們的數據中學習。他們非常擅長處理大量數據并得出大量結論以選擇最佳選擇,并且在這個有限的領域中,它們通常比人類更好。


但是,這并沒有使它們比決定在哪個域中使用機器或他們可以訪問哪些數據集的人員更強大。與其他任何技術一樣,我們仍然必須小心以確保不會被惡意人員利用機器人和AI。


對AI的道德/偏見/ 信任必須成為中心舞臺,而不是開發人員和研究人員的事后想法。隨著AI在我們的日常生活中做出越來越多的決定,我們需要確保這些決定是公平的并且可以被信任。

好的文章,需要您的鼓勵

5

  • 最新文章
  • 精品案例
  • 現貨產品
延伸閱讀 熱門要聞

申城四人斗地主棋 天津快乐十分稳赚 股票融资融券操作案例 pk10软件计划手机软件 安徽十一选五漏洞号码 快乐8开奖结果 中国体育彩票网 上海体彩11选五玩法介绍 股票行情手机版那个好 红蓝波中特 好彩1开奖结果走势图