第21屆機器人世界杯
機器人世界杯是97年開始在名古屋辦的，目標是相當有意思的，就是希望在2050年前，能夠制造出戰勝人類足球世界冠軍的機器人隊伍。今年是第21屆，又回到名古屋。
現在這項比賽的影響力無疑在擴大，中國的大學取得了相當棒的成績。
值得一提，會場有很多孩子，因為是在日本舉辦，但不只有很多當地小朋友，還有很多國內的孩子也去了，都在積極參與。說到這個，不得不提到STEAM，這個steam不是指那個游戲平臺，而是一個綜合教育的概念，每個代表一個學科，即：S：科學（Science），T：技術（Technology），E：工程（Engineering），A：藝術（Art），M：數學（Math）。如果掌握了這些，又可以綜合運用的話，孩子們是否就可以解決自己在未來面對的所有問題呢？
樂觀的說，在steam這樣的綜合教育下，孩子還會懼怕困難么？恐怕只有困難才會讓他們更興奮，更能大展身手，會有使用自己學來的東西去克服苦難，甚至改變世界。孩子天生都是好勝的，從他們愛玩兒游戲比如王者農藥就可以看出來，他們不怕挑戰，他們怕枯燥，怕無聊，怕自己的能力被束縛。而機器人教育似乎可以打破傳統。似乎從這個方面來講，我內心對教育有了更大的期待，但僅僅這就夠了？恐怕并不，我不能讓自己局限在這，恐怕人工智能可以在教育領域也有突破，堅定了我繼續學習數學和計算機的想法。
機器人就一定要人的外觀？這恐怕也不是必須，只要更好的實現功能，何必拘泥于外形，比如兩個輪子穩定還是四個輪子穩定？當然是四輪。
只要不拘泥于這一點，我覺得機器人的未來就有了無限種的可能。就像機器人世界杯的足球賽，上一篇文章講到，人類比動物強在強大的協同能力，三個要素還記得么？規模、復雜度、實時協同能力。那么可以說參加一場比賽的一隊中的機器人是絕對理性的，所以他們可以做到完美的實時協同，規模不大，復雜度一般。所以你們也看到了，發明機器人，一是人類要證明科技的進步，二是要在商業領域的應用（要賺錢嘛），三是在很多工作中取代人類（提高效率）。期待機器戰勝人類足球的那一天嗎？我是不期待。。。。
就像現在小型機器人的協同在商業中的應用甚至基本做到量產，比如物流機器人，分揀貨物已經取代人工了。所以小型機人應該會最先迎來爆發。
人工智能（Artificial Intelligence）
人工智能，只是廣義上的稱呼，從狹義上分為強人工智能和弱人工智能。
基本大眾口中的人工智能都是指弱人工智能。
強人工智能：指的是人造機器有自主意識和智能性。（相當于所有方面和人類基本一致。）
弱人工智能：指的是人造機器在某一方面有智能性。（強化某一方面的智能）
當AlphaGo戰勝柯潔，預示在圍棋領域，不可能再有人類戰勝它了。也僅僅只有圍棋領域。但是，凡是說人工智能馬上要超越人類的，其實都是胡扯。人類都不知道自己有多復雜，就說我們自己創造的機器可以超越我們，是不是有點過于夸大其詞了？
先來講講人工智能的概念，并不難懂：
總結起來一句話，就像教小孩做事情。
比如你教它認識什么是小狗，你就給它一張一張的各種動物的圖片，每放一張就用機器懂得語言告訴它是不是，當他看完無數組照片后，他那里就有一個儲存之前這些學習過程的信息，他自己會生成（算法）一個判斷小狗的模型（函數），到最后你再給它一個新的動物，他就會根據模型來給你結果。
人工智能三個特點：
1、數據，放在這個例子里就是那些數不清的動物圖片。
2、算法，處理那些圖片，并生成模型函數的數學方法。
3、計算能力，既然有2的算法，并且你可以想象到2那一步里面要處理多少數據，你就可以清楚為什么人工智能這么需要運算數據。
來講講AlphaGo。它戰勝柯潔用的是一種叫DeepMind（深度學習）的算法，就是由DeepMind公司開發。這個公司的創始人是戴密斯·哈薩比斯，大牛人，這哥們兒給公司的口號是“首先解決只能問題，然后用只能解決一切其他問題。”如果你感興趣可以去搜一下。
這些人工智能就是要訓練的，類似上面給人工智能放動物圖片就是一種訓練。DeepMind的原型：用計算機模擬人類大腦。上世界80年代一個人就開始研究用計算機系統架構來模擬人類大腦，就是我們今天說的深度學習的原型，這個人是Geoffrey Hinton教授。由此你也可以感受到，深度學習由來已久，并且這個教授現在不年輕了。讓深度學習崛起的有兩個人，google大腦的創始人吳恩達教授，他發現了深度學習需要強大的計算能力，所以他找到了英偉達的GPU（Graphics Processing Unit，圖形處理單元），使得計算能力提升了上百倍。（英偉達股票大漲的原因？哈哈）
另一個人也是華人，李飛飛，她建立了一個圖像識別資料庫。而且這個庫里的所有圖像都是標注過的。就是如果圖里有山就睡標注出山。
標注是什么？還記得我說的人工智能就是訓練孩子嗎？剛才認狗狗那個例子，你要給機器說這個動物是什么啊。類比我們的學習，學習是有考試的，考試的意義不就是看你是否掌握嗎，這就叫反饋，沒有反饋怎么能叫學習。所以某些訓練人工智能的核心就是有監督學習。比如微軟曾經把自己開發的人工智能扔到網絡里不管它，結果它學了一大堆臟話。。。。。。
當然也還有無監督學習，這要區分情況，比如淘寶檢測人們點擊商品的習慣來判斷用戶喜好的機器人，這種分析用戶行為的人工智能并沒有對錯，所以弱人工智能的分類可以很細很細。
對于產業，以前軟硬件是問題，軟件就是方法，硬件就是能夠使用這個方法的東西。如吃飯，會使用筷子就是軟件，飯就是硬件。如做數學題，會知識就是軟件，題就是硬件。如騎摩托，會騎這個技能就是軟件，摩托就是硬件。只有如何運用在自己行業才是新的思考。
Google 開源了自己開發的人工智能系統，TensorFlow。大大降低了應用的門檻。開發者可以把復雜的數據傳輸到人工智能神經網里進行分析和處理系統。基于Google這樣的科技先鋒用一個開源平臺大大降低了算法難度。而現在硬件比如GPU，并不是問題，
那么基于數據，算法，計算能力這三個特點，最重要的無疑就是數據了，只有數據和行業經驗才可以形成壁壘。
