按：本文为美国宾夕法尼亚大学工程院院长Vijay Kumar在CCF-GAIR大会上做的为题“Challenges in Autonomy”的共享，展开了全文整理。全文分成上下两部分，以下是第二部分。传送门：时隔一年 Vijay Kumar 再登 GAIR 讲台，描写自动化的技术与社会挑战（上）2017年7月7日至9日，全球人工智能与机器人峰会CCF-GAIR大会在深圳顺利举行。
本次由CCF中国计算机学会主办、与香港中文大学（深圳）主办。来自全球30多位顶级院士、近300家AI明星AI企业，齐聚智能科技产业盛会。
Vijay Kumar在无人机领域被称作“无人机大神”。他在多机器人的编队掌控协商，作出了十分大的贡献。
2016年，Vijay Kumar在CCF-CAIR峰会讲解了无人机会向着Small（小型），Safe（安全性），Smart（智能），Speed（灵活）和Swarm（集群）“5s”的趋势发展。时隔一年 Vijay Kumar 再登 GAIR讲台，今年Vijay Kumar以“Challenges in Autonomy”为主题，展开了演说，重点讲解了自动化浪潮的技术与社会挑战。Vijay Kumar是美国宾夕法尼亚大学工程院院长，同时也是美国国家工程院院士，美国电子电气工程师协会研究员（IEEE Fellow）。以下为Vijay Kumar演说速记全文整理，(公众号：)在不转变本意的基础上做到了精编：机器学习的最重要意义说道到自动驾驶汽车或者无人机的时候，大家都说道，我们要有机器学习，我们显然在做到机器学习，但是它有很多的容许。
我们要让机器懂自学，如果操作者、设计者想超越固有的框架，我们期望让机器做到更加多的事情。比如我们可以做到一些抽象化算法，这些抽象化的东西是人展开掌控的，比如动态的模型，我们想要自学如何在高速情况下防撞，我们可以用一些计算机自学通过对数据的搜集、分析处置，当时我们也可以让我们的机器做到更为简单的运算。
另外汽车也可以去跨过一些障碍物，但是必须掌控更为简单的技能，这是机器学习的最重要意义。需要在更为简单的环境当中遨游，我们要解决问题一些问题，还包括计算机技术的发展，可以让计算机做到一些更为简单的信息，可以创建有所不同的传感器提供更好的信息。
我告诉这里有张桌子、有椅子、后面有门，这样的图像就可以创建一起，协助计算机自学和理解周围的环境。现在我们的计划和掌控没办法通过机器学习来构建。试验深度自学对精准农业的协助深度自学在我的实验室里也有一部分，就是我们说道的精准农业，机器穿越橘子林，就能算出有橘子的数量，飞机降落之后，它可以穿越橘子林，准确获得橘子的数字，我们计算出来是很最重要的。
但是这样的成果就可以让农民告诉它今年的农作物是多少，这样就可以更佳的优化它生产的系统，还包括先前的浆果采收、交通运输等等，在好的农作物年份有很好的协助。比如一棵橘子树根，你数到一半就数不下去了。
现在有这样的技术，你获得95%的数据，这样对精准农业十分有协助。机器人和人工智能可以说道还无法想象。我们应当有更加多的期望。
格林斯潘在1997年就尝试过利用机器预测金融危机，但告终了。我们现在无法过度高估人工智能的能力，我指出人工智能是有局限的。
首先，现在有很多数据过程，它必须机器学习。在自学过程中不会带给新的科学知识。
现在，我们数据的量每九个月就不会翻一番，我们自学的科学知识相比之下追不上这样的速度。我想要说道机器应当强化自学能力。我们计算出来非常复杂，现在可以做到很高强度的计算出来，但不意味著机器就可以自动的已完成这些事情。其次，如果我们可以数浆果，99%都是对的。
但我们有可能必须相当大的数据才需要已完成这个任务，如果要把准确率从90%提高到99%，有可能必须花上相当大的力气才能构建这个目标。所以，在或许上，我们所必须的数据量，是乘几何倍数的减少。你要数浆果，有可能不必须99.99%的准确率，只必须90%。
但是你一辆车每分钟90分钟的速度就必须99.99%的准确率。自动化数浆果不一定要那么定，但你要驾车或者在YouTube上找一个猫，准确率不必须那么低，但要驾驶员一个车，准确率就要十分低。另外，采取行动之前必需要有理解，这个理解更加艰难。某种程度，行动也是一样的。
你要经过感官之后采取相应的行动，这样一个循环往复，就不会给你带给一个相当大的计算出来量和相当大的数字。最后，我之前没谈到这一点，但是Oussama Khatib教授提及了。
那就是我们想要做到实体的不会更加无以。特别是在是飞行中和驾车，我们会有实际的认识，这只是通过数据构建。但如果要有实际的认识，不会更加无以。未来自动化机器人，人机之间的对话，不会是发展方向。
现在我们对这一点的研究还十分可行性，除非需要寻找人机对话之间的人与自然方式。我们有可能做到一些非常简单的任务，未来不会有更加多的挑战。
人工智能还有机器人要往前发展，还必须做到很多希望。另外，关于能源问题。我们在空中高举一公斤的重量，必须200瓦，如果你要高举一个50公斤的人，有可能必须更大的能量消耗。
现在我们的技术还没超过这样的水平，特别是在是要消费的能源，如果模式不再次发生转变，在未来就很难构建。因为你可以看见电池更加喜。我现在要回到北京，有可能看见很多电动车在上路。
那就意味著这个电动车未来的电池价格不会上升，特斯拉也在做到自己的电池工厂。但现在我们告诉，事情还相比之下没超过理想的状态，我们将不会在未来把很多东西提及天上去。
这个过程必须消耗大量的能量。有一家公司叫作Jet Optera，他们由一个十分慢的速度，顶盖可以超过5镑，是用化学燃料。
特别是在是航空行业，如果不必化石燃料，有可能很难有发展。未来工作如何做不被机器人所替代现在我们有很多挑战，比如在社会中。第一，这个世界是多种多样的，这个世界可以取得各种各样的科学技术的发展和变革。
我实在这就是所谓科技的民主化。现在一个高中生，对于机器人的理解比我在大学之后的程度还要浅。这就是技术发展的速度，当然，也有很多的机会，同时，也有一些陷阱。
为什么我这么说道？我想要向大家展出一张漫画（上图），我们当时在发明者车轮的时候，是怎样的情景。如果有人要做到车，这个人要很有钱人才讫。这张图片可以看见，这个国王是四个人才把他荐一起，而我们说道只有国王才能坐轿子，其他人没有钱坐轿子。
但现在有了车轮之后，三个人遗失了工作，只必须一个人就需要拉车。样子现在计算机技术的发展，机器人未来可以已完成更加多的工作，就不会有很多人丧失工作。对于我们来讲，就不会有更加多的技术呈现出在我们面前。
从我们的角度抵达，有这样一个金字塔，当谈及研究以及研究到哪个程度，就不会经常出现这个金字塔。这个金字塔展出了最底部，有很多人薪资非常少，很有可能能替换成人民币，不管是在哪个国家，某种程度的情况都是如此。
但随着研究程度大大提高，这个金字塔就越往上走，人就越多，社会财富总是掌控在少数人手中。你研究的越少，就不会有更加多的机会需要认识到高薪工作。这对于目前的环境来说也是如此。
从四年前到现在情况再次发生了很大的变化，金字塔再次发生了变化，我们都在探究这个金字塔究竟哪个部分不会渐渐丧失。很多人指出，低于端的工作不会被机器人期望，但我指出不是，因为现在机器人还没办法超过三岁小孩的思维能力。我们不可以某种程度一个机器人和中国五岁的小孩玩游戏其他游戏并且战胜这个小孩。
我们指出机器人在简单的计算能力里还是有局限的。在没尤其多的训练里，他们的工作依然可以做到得很好。但四年之后，中间的工作不会消失，有可能并不是最顶尖和最底部，而是中间的工作不会给到这些人。
现在有可能最差中国大学毕业的学位或者世界上最差大学毕业的学位，你们早已做这一点。在考试中获得了好成绩。但机器人现在最擅长于的就是考试。所以对我们来说，如果你只是擅长于考试的一个机器，你今天就有可能被机器人代替。
因为机器人有可能考试比你好，四年后你的工作有可能就要让给让出机器人了。这是我们对未来机器人发展的点子。对我们来说，最差的解决方案就是通过教育做，我们要大大自学，尽管我早已是一个教授。拜登曾多次说道过誓言暂停的教育，这样的众说纷纭能协助我们解救社会，协助我们准予受到机器人代替这一步。
机器人的安全性安全性，我们很难解读究竟在机器人当中所谓的安全性是什么，现在并没过多的数据指导，对安全性展开分析。但我们现在谈及的安全性多种多样。第一，所谓检验。比如你有一个洗衣机，如果你想要证明它是一个洗衣机，就必需要证明这个洗衣机是一个洗衣机的特质。
洗衣机的特质是把衣服放进去洗衣机就可以洗衣服。所以你可以证明这个机器是一个洗衣机。但现在要证明是机器人很难。
第二，信任。我们提及这个机器人，我们要证明机器人，事实上并会经常出现任何人类所期望看见的结果。
我们不会看否能证明它会漏水，它并会导致电器的短路。所以我指出信任也十分最重要。
第三，安全性。在实体世界中，有两种方法，能确实感受到一个系统或者入侵一个系统。要么白入一个系统或者白入一个感应器。现在如果要去白一个自动驾驶，不是白系统而是白感应器。
要么是摄像机要么是其他感应器白丢弃，白丢弃以后就白丢弃整个系统。谈及安全性，很多人之前没提及或者想起。在大大推展自动化系统过程中，安全性十分最重要。
我们生活在一个十分激动的时代，如果我们来看一下这个横轴，当时经常出现了实体世界的革命，然后转入半导体革命，然后有互联网带给网络革命，现在正在展开人工智能以及机器人，现实世界和虚拟世界的融合。我们坚信未来不会大大推展，我们回头着这段发展道路。
而对于人来说，再次发生了变化，但是人的发展是一个线性的过程，如果看一下政府对技术的解读以及政府如何通过技术展开政策推展。事实上比我们更快。人在大大的适应环境各种技术，社交媒体就很好，我们现在在大大的认识和理解并且适应环境机器人。
未来有了自动驾驶的汽车和飞行器，除了安全性问题，还要探究政府的政策和法律监管。很多政府现在还没想起那么多，美国的政府有可能早已在探究这方面的问题，而中国政府还没探究到很多对于自动驾驶汽车、自动驾驶无人机的法律监管问题。我坚信这部分也是我们重点展开注目。
我告诉我们现在显然有Oussama Khatib提及的潜水机器人、手术机器人，都能获得有效地的利用，但我们要探究如何展开安全性利用。未来这点不会更加最重要。原创文章，予以许可禁令刊登。
下文闻刊登须知。
本文关键词：雷火体育,雷火体育下载app官网,雷火体育官方网站入口,雷火体育官网登录入口,雷火电竞官网首页登录
本文来源：雷火体育-www.my-am.com
