AI設(shè)計(jì)的機(jī)器人。機(jī)器人內(nèi)部包含“空氣肌肉”，如左圖所示。圖片來(lái)源：美國(guó)西北大學(xué)

用于構(gòu)建人工神經(jīng)網(wǎng)絡(luò)的人工智能也能以驚人的速度創(chuàng)造出自主機(jī)器人身體，人工智能可以在筆記本電腦或智能手機(jī)上用 30 秒鐘設(shè)計(jì)出一個(gè)自主機(jī)器人。

對(duì)于任何人在公交車站等車時(shí)都能制造出 "終結(jié)者"，現(xiàn)在還不是驚慌失措的時(shí)候：正如最近的一項(xiàng)研究報(bào)告所指出的，這種機(jī)器人是一種簡(jiǎn)單的機(jī)器，可以沿著直線滑行，而不會(huì)執(zhí)行更復(fù)雜的任務(wù)。(然而，耐人尋味的是，它們似乎總是長(zhǎng)出腿來(lái)，而不是擺動(dòng)、像尺蠖一樣移動(dòng)或滑行的排列方式）。研究報(bào)告的作者、美國(guó)西北大學(xué)計(jì)算機(jī)科學(xué)家兼工程師薩姆-克里格曼（Sam Kriegman）說(shuō)，如果再多做一些工作，這種方法就能使機(jī)器人設(shè)計(jì)民主化。

"當(dāng)只有大公司、政府和大型學(xué)術(shù)機(jī)構(gòu)擁有足夠的計(jì)算能力（來(lái)進(jìn)行人工智能設(shè)計(jì)）時(shí)，就會(huì)限制問題的多樣性。"克里格曼說(shuō)："提高這些工具的可及性是一件非常令人興奮的事情"。

人工智能設(shè)計(jì)了這個(gè)小型步行機(jī)器人。圖片來(lái)源：西北大學(xué)

人工智能現(xiàn)在可以寫作文和駕駛汽車，因此設(shè)計(jì)似乎是順理成章的下一步。但哥倫比亞大學(xué)的機(jī)器人專家霍德-利普森（Hod Lipson）并沒有參與這項(xiàng)研究。"關(guān)于這項(xiàng)新研究。"利普森說(shuō)："還有很多問題，但我認(rèn)為這是向前邁出的一大步。"

這種方法利用模擬進(jìn)化來(lái)創(chuàng)造能夠完成特定任務(wù)的機(jī)器人--在本例中就是向前運(yùn)動(dòng)。在此之前，創(chuàng)建進(jìn)化機(jī)器人需要生成隨機(jī)變體，對(duì)其進(jìn)行測(cè)試，用新的變體完善表現(xiàn)最佳的機(jī)器人，然后再次對(duì)這些版本進(jìn)行測(cè)試。克里格曼說(shuō)，這需要大量的計(jì)算能力。

他和他的同事們轉(zhuǎn)而采用了一種叫做梯度下降的方法，這種方法更像是定向進(jìn)化。這個(gè)過程從隨機(jī)生成的機(jī)器人身體設(shè)計(jì)開始，但它與隨機(jī)進(jìn)化的不同之處在于，它賦予了算法衡量給定身體方案與理想方案相比性能如何的能力。在每次迭代中，人工智能都能找出最有可能取得成功的路徑?？死锔衤f(shuō)："我們?yōu)閇算法]提供了一種查看突變是好是壞的方法。"

在計(jì)算機(jī)模擬中，研究人員以隨機(jī)形狀的機(jī)器人為起點(diǎn)，給人工智能設(shè)定了發(fā)展陸地運(yùn)動(dòng)的目標(biāo)，然后讓新生機(jī)器人在虛擬環(huán)境中自由進(jìn)化。僅用了 10 次模擬和幾秒鐘的時(shí)間就達(dá)到了最佳狀態(tài)。研究人員10月3日在《美國(guó)國(guó)家科學(xué)院院刊》上報(bào)告說(shuō)，從最初的不動(dòng)身體計(jì)劃開始，機(jī)器人能夠以每秒0.5個(gè)身長(zhǎng)的速度開始移動(dòng)，約為人類平均行走速度的一半。研究小組發(fā)現(xiàn)，這些機(jī)器人還不斷進(jìn)化出腿并開始行走。令人印象深刻的是，只需幾次迭代，人工智能就能從一個(gè)隨機(jī)的形態(tài)構(gòu)建出一些功能性的東西，利普森說(shuō)。

為了驗(yàn)證模擬在實(shí)踐中是否有效，研究人員通過 3-D 打印設(shè)計(jì)的模具并填充硅膠，制造出了性能最好的機(jī)器人。他們將空氣注入形狀中的小空隙，模擬肌肉收縮和膨脹。最終制成的機(jī)器人每個(gè)都只有一塊肥皂大小，像塊狀的小卡通人物一樣匍匐前進(jìn)。

克里格曼說(shuō)："我們真的很高興它能朝著正確的方向發(fā)展，并且一直發(fā)展下去，"因?yàn)槿斯ぶ悄苣M機(jī)器人并不一定能轉(zhuǎn)化為現(xiàn)實(shí)世界的機(jī)器人。"

杜克大學(xué)名譽(yù)教授、加州大學(xué)洛杉磯分校研究教授凱瑟琳-海爾斯（N. Katherine Hayles）說(shuō)，盡管機(jī)器人非常簡(jiǎn)單，只能完成一項(xiàng)任務(wù)，但這項(xiàng)研究代表著向更先進(jìn)的機(jī)器人設(shè)計(jì)邁出了一步。她還是《我們?nèi)绾纬蔀楹笕祟悺芬粫淖髡撸禾摂M人體在控制論、文學(xué)和信息學(xué)中的應(yīng)用》（芝加哥大學(xué)出版社，1999 年）一書的作者。她說(shuō)，梯度下降法在設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)（受人腦啟發(fā)的人工智能方法）方面已經(jīng)得到了很好的應(yīng)用，因此將大腦和身體結(jié)合在一起將非常強(qiáng)大。

海爾斯說(shuō)："在我看來(lái)，真正的突破將是采用梯度下降法來(lái)進(jìn)化神經(jīng)網(wǎng)絡(luò)，并將其與可進(jìn)化的身體連接起來(lái)。然后兩者就能共同進(jìn)化，就像在生物體內(nèi)發(fā)生的那樣。"

利普森說(shuō)，能夠設(shè)計(jì)新產(chǎn)品的人工智能可以幫助人類解決各種棘手的問題，從設(shè)計(jì)有助于改善氣候變化的下一代電池，到為目前無(wú)法治愈的疾病尋找新的抗生素和藥物。他說(shuō)，這些簡(jiǎn)單、笨重的機(jī)器人就是朝著這個(gè)目標(biāo)邁出的一步。

"如果我們能設(shè)計(jì)出能為我們?cè)O(shè)計(jì)東西的算法，那么一切就都不成問題了。"利普森說(shuō)："我們將體驗(yàn)到難以置信的推動(dòng)力。"