“AlphaGo只是围棋高手，不会炒回锅肉！”上海交大教授正在研发“全才”机器人

如果有一台机器人，几乎可以通过 自学 的方式，完成人类 80%-90% 的日常工作和任务，你信吗？

或许你会说，人类可以做到的事，机器人为什么不可以？

但很显然，我们如今看到的机器人，功能单一，远远达不到我们对智能的期望，也满足不了现实中对任务和场景自适应的需求。

如今，我们会根据不同的任务和场景设计各种机器人和相应的算法，但由于外部变量空间太大，同一机器人在不同任务或操作之间的可迁移性较弱，不能替人类完成各种各样的任务。

一直以来， 通用智能 被认为是一个很好的技术解决方案，具备与人类同等智慧或超越人类的人工智能，能表现出正常人类所具有的所有智能行为，可以为机器人提供一个统一的模型，一直都是人工智能行业内的学者、科研机构和企业的追求。

但是，要实现机器人在多领域内的通用，这项技术还需要一个载体 — — 通用智能本体 ，其可以在很大程度上提高机器人对不同任务的可迁移性。

事实上，人本身就是一个通用智能本体。要像人一样，通用智能本体需要对其所在环境（特别是操作对象）有深度的理解。

近期，上海交通大学与非夕机器人科技联合在《中国工程院院刊》上发表了 通用智能本体 的论文，提出基础理论概念。论文作者卢策吾教授告诉 DeepTech， 通用智能本体是机器人（至少是通用机器人）的终极目标。通用智能本体不仅能看懂（人类的行为），也能很好地去理解，还能对外界作出反馈。

卢策吾认为，通用智能本体有点像我们日常使用的通用计算机，几乎可以完成日常生活中的所有任务，但一些特殊的任务，依然需要一些专用机器人来完成。

图｜人类生产所需完成的任务个数接近无穷且大多各不相同，两条线之间的区间就是通用智能带来的红利。（来源：卢策吾）

AlphaGo 只是围棋高手

任务迁移能力是衡量一个通用智能本体智能程度的最重要标准。如果要让擅长下围棋的 AlphaGo 去玩其他棋类或者星际争霸之类的游戏，其迁移成本会很高。

有了通用智能本体，未来工厂内的产品组装、医院内的病人看护、家庭内的按摩和家务劳动等操作，都可以由一个通用智能本体来完成。 这就是通用智能本体的初衷。 卢策吾说。

当前的智能机器人通过深度学习来认知世界，但深度学习对外部世界的感知能力比较弱，它只是去看，并没有真正理解物体的本质。比如，深度学习只是通过模式识别去辨认一把剪刀，如果 眼前 的物体像一把剪刀，就判断其为剪刀，而并没有真正理解剪刀的概念。

（来源：Pixabay）

而通用智能本体不是做简单的模式识别，它关心的是这个物体的功能，可以直达物体的本质。 就像人类，一个杯子能不能被用来喝水，与杯身的花纹无关。 卢策吾告诉 DeepTech。

因为有了交互，通用智能本体就可以接受不同的概念，概念之间的搜索空间就会大大减少。比如，通用智能本体在看到一个矿泉水瓶时，会先通过视觉进行猜测，再去用力拧开，确定其为矿泉水瓶后，再将结果上传到云端，完成这一过程后，通用智能本体又增加了一次学习经验。这不只是视觉上的经验，也与力觉有关，在一定程度上具备了自学习的可能性。

回锅肉 问题

人类的大部分操作都可以被肢解为一些不可再分的元操作（可不再向下分解的通用操作，比如抓取、插、拔、揉压等），而这些元操作之间有特别强的通用性。

人类的元操作集合是有限的，在定义好元操作集合后，人类的任何操作任务都可以解析为一个元操作流，也就是一串元操作序列。一旦机器人学会所有人类的元操作，再加上大量的（物体）知识引擎，就使得通用智能本体具有可行性。

由于多个信息维度交互的存在，通用智能本体很有可能在迁移能力上实现突破。比如，拧瓶盖和拧螺帽是差不多的，力学模式和操作范式就也是差不多的。瓶盖和螺帽都有一个凸起，都可以被旋转，这些特点都可以被泛化和定义，不管它是绿色的，还是蓝色的，都需要用手握住并转动，而且力的模式，大概需要多大的力，也是很清楚的。

但要实现通用智能本体的愿景，依然存在不小的挑战 — — 通用智能本体既要符合人类的智能设计，又要符合与计算机相似的体系架构。

（来源：卢策吾）

我们可以通过简单的编程为通用计算机赋予很多功能，但在通用智能本体上编程却不会那么简单，因为教会通用智能本体去做一件事（比如照顾一位老人）的成本很高。如果把各种可能的情况都写入通用智能本体，难度就太大了。

如何把一个抽象的任务编译给机器人是一个很难的 AI 问题，但我们对此还是很有信心的， 卢策吾说， 目前 ‘积木’ 已经有了，机器人如何通过看人类怎么做去模仿人类把 ‘积木’ 搭起来，这是一个开放的学术问题，需要持续的讨论。

通用智能本体可完成的操作，由简单到复杂，由已知到未知，可以分为四个等级。对于拿杯子接可乐等低等级操作，其操作步骤很固定，机器人知道第一步做什么，第二步又做什么。

当操作步骤未知，一旦涉及到对周围环境的理解和判断时，情况就比较复杂了。比如，如何炒一盘回锅肉？

通用智能本体会通过观看大量人类炒回锅肉的视频，提取相关特性去学习如何炒回锅肉，之后会是一个不断尝试的过程。在这一过程中，通用智能本体需要来自人类的纠正，比如回锅肉好不好吃，这也会涉及到一些学术问题，但成本会很低。尽管最终结果可能会存在一定误差，但通用智能本体需要做的调节幅度会比较小。如果按照从 0 到 1 的自主学习模式去炒一盘回锅肉，现有机器人是做不到的。

但是，如果通用智能本体之前看过人类炒小炒肉的视频，并且已经将这一经验信息上传到云端，通用智能本体就会利用炒小炒肉的经验去炒回锅肉，或者用刚刚学到的炒回锅肉的经验去炒一盘鱼香肉丝，然后再上传到云端，形成机器人自己的知识库。结果就是，机器人学到的技能越来越多，知识库内的经验信息也会彼此关联。

由定制化走向自主性

未来，在执行大多数任务时，用户不需更换本体，只需要提供简单的任务描述，也不需要重新设计底层通用硬件、协议和操作系统；就像通用计算机的模块（CPU，RAM）一样，各个基本模块相对独立，且可升级；随着通用智能本体群完成任务的增加，知识体系得到扩展，学习新任务所需的时间减少。

多功能家用机器人是未来机器人的攻关方向之一，但我们不可能对每个家庭特殊环境的每个任务重新设计硬件、软件或学习模型，这是阻碍家用机器人发展的重要原因。通用智能本体有望解决这一问题。

与在各个领域实现广泛应用所需的难度相比，通用智能本体工业自动化应用中是在一个更结构化的环境中运行，实现起来没有那么困难。 卢策吾说。由于通用智能本体的视觉和力觉传感比人类更精准，它完成任务的专业性会超越人类。

但通用智能本体一开始不会像一个保姆那样会察言观色，会主动做些什么。它就像一个 iPhone，比如你装一个叠衣服的 app，它就学会了叠衣服，过几天你再装一个清理桌面的 app，它也就学会了如何清理桌面。一开始，通用智能本体只是一个功能化的机器人。

卢策吾表示， 你可以认为它是一个多功能家电，但随着知识库的不断增加，它会慢慢向智能化发展，一旦学会了所有家用功能，它就会像一个保姆一样，会帮老人喂饭、洗脸和按摩肌肉等，它的功能会越来越强大。

但通用智能本体并非适用于人类的所有活动，它可以适用于人类的大部分日常活动。比如，工业上的生产线，医疗上的护理、打针和智能 ICU，以及娱乐交互、家用按摩和更简单的接可乐等，都可以被编程进通用智能本体中，进而提高效率。

我们会先做一个不需要教的机器人，把操作步骤固定写出来，比如叫机器人去麦当劳买一个汉堡，它第一步做什么，第二步又做什么，你只需要一个 iPad，就能完成这件事。最终，有了大量经验信息后，更高级别的操作就能很顺其自然地完成了，这就会涉及到 AI 的相关研究了。 卢策吾说。

关于作者：

卢策吾，2019 年度 求是杰出青年学者 奖获得者，2016 年入选中组部 海外高层次人才引进计划青年项目 ，2018 年入选麻省理工科技评论 35 岁以下科技创新 35 人。CVPR 2020 领域主席，Nature 人工智能方向审稿人。