字: 大 中 小
关灯 护眼
彩页文学 > 燕归来 > 第一卷少年游 第一百三十四章感知

第一卷少年游 第一百三十四章感知

    第一卷少年游 第一百三十四章感知 (第1/3页)

    三天后的开放讨论安排在一间并不大的报告厅里。

    原既白提前十几分钟过去,进门时已经坐了大半。和他预想不同,来的人并不全是计算机和自动化专业,新生胸牌颜色很杂,甚至还有建筑、数学和生物方向。罗野比他早到,占了靠中间的两个位置,桌上摊着一本刚领到的新生手册,边角被他拿来垫水杯。原既白坐下以后才发现讲台旁边放着一台不到膝盖高的小车,四个轮子,前面有摄像头和几种传感器,外壳没有任何宣传展示时常见的漂亮封装,线路甚至有一部分裸在外面,看起来更像实验室里被反复改过的设备。

    罗野盯着那台车看了一会儿,说底盘不是新的,至少换过两次东西。

    原既白问怎么看出来。

    罗野指给他看固定孔。几个位置明显有旧螺丝磨出来的痕迹,其中一块支架还保留着以前安装件留下的尺寸。原既白过去看这种设备,第一眼通常会想控制结构、传感器和计算平台,现在却先注意到罗野这种几乎不需要思考的判断。那不是他不会学,而是对方真的长期和实体硬件待过,知道一个被用过三年的实验平台会怎样留下痕迹。

    讲座开始以后,第一个上台的人也没有立即谈“智能”。

    他是自动化系一位很年轻的老师,穿一件很普通的深色衬衫,开口先问台下:“如果我把这台车放在这里,它怎么看见这间屋子?”

    有人答摄像头。

    也有人说激光雷达、深度相机、超声波。

    老师等大家说完,才问:“所以它看见的是屋子,还是像素、距离和电压?”

    报告厅很快安静了一点。

    他没有追着这个问题做哲学讨论,只把车前摄像头的一帧原始图像投到屏幕上。普通彩色画面,能看见讲台、桌椅和第一排学生。随后又切换成深度图,颜色变成一片难以直观看懂的渐变;再换成激光雷达点云,原来完整的房间只剩稀疏的点;最后是一排数值,代表不同方向的距离。

    “哪一个是真的?”

    前排有人说都是真的。

    老师点头:“那哪一个是房间?”

    没人马上答。

    他推了一下小车。车轮开始转,慢慢向前,遇到讲台边缘时减速,绕过去。屏幕上同时显示它内部建立的一张简化地图:几条墙线、一些障碍区域和不断更新的位置轨迹。原既白看了不到一分钟,就知道这不是一个复杂演示,定位与建图本身已经是很成熟的技术,真正有意思的是老师似乎刻意没有把结果做得漂亮。那张地图里甚至有明显漂移,一面真实笔直的墙被画出轻微弯曲,小车走到桌椅密集区域以后,局部轮廓还出现过重叠。

    老师没有修。

    反而把车停下来,指着那条歪掉的墙:“它错了吗?”

    这一次大多数人说错了。

    “错多少?”

    有人笑了一下。

    老师也笑,却没有把气氛往轻松方向带。他说,如果任务是给建筑测绘,这个误差当然不可接受;如果任务只是让小车不要撞墙,可能完全够用;如果要从一个狭窄门洞穿过去,又可能不够。所谓环境模型好不好,不是脱离行动谈一张图像是否逼真,而要看它是不是保存了完成任务所需要的关系。

    原既白的笔停在纸上。

    他想起交通项目里那个“过于文明”的城市。

    他们第一版模型之所以不像现实,并不是地图完全错,也不是道路连接错,而是那些对通行真正重要的行为没有被保存:临停、行人、校门开启的时间、非机动车绕行。另一方面,如果为了“像现实”把树荫、早餐摊老板的情绪、每一个路人的衣服颜色都塞进模型,大多数东西又对当前任务没有意义。

    屏幕上的小车重新开始移动。

    老师这次在前面临时放了一把椅子。

    车原本规划好的路径被挡住,停了一下,重新绕。地图里新增一个障碍。等车过去以后,老师又把椅子搬走,可那块障碍并没有马上从内部地图中消失,车下一次经过仍然绕开了一点。

    “它记住了一个已经不存在的东西。”

    老师说。

    “这也是世界模型的问题。”

    这是原既白第一次在大学教室里听到“世界模型”这个词,却和他过去在网络文章里见过的用法不太一样。老师没有把它说成某种神秘的新技术,只说任何需要在现实中持续行动的系统,都必须以某种形式保留对环境的内部假设。这个假设可能是一张几何地图,也可能是概率分布、状态变量、对象关系,或者更加难以直接解释的内部表示。关键不在“画一张和世界一样的图”,而在行动之前能不能预测一些事情:这里能不能过去;推一下会不会倒;抓住以后会不会滑;前面的人下一秒大概往哪里走;一个动作执行以后,环境会发生什么变化。

    讲台边的小车并不知道“椅子”这个词。

    它只知道那里存在一个暂时不可穿过的区域。

    这已经足以绕开。

    可如果任务变成帮人搬椅子,它现在的内部世界就立刻贫乏得不够用。它需要知道哪里可以抓、重量大概多少、轮子有没有锁,甚至要知道人在说“把这把椅子搬到后面”时,什么东西被称作“这把”,哪里算“后面”。

    同一个环境,行动目标一变,需要保存的结构也跟着变。

    原既白听得越来越慢。

    高中时期他理解一个复杂系统时,最自然的方法是先寻找更高层结构。一旦那个结构足够好,底下很多细节会被统一解释。这种能力让他在数学和算法里走得很快,也让他在交通项目第一天就本能地想先设计完整数据模型。现在讲台上的老师却从另一端不断逼他:一个内部结构再优雅,如果没有保留行动真正依赖的东西,它只是漂亮。

    第二位讲者来自计算机系,年纪更大一些。

    他上台以后没有继续演示机器人,而是放了一张很简单的图:左边“环境”,中间“智能体”,右边又回到“环境”,箭头构成一个环。环境给感知,智能体采取行动,行动改变环境,新的环境再产生新的感知。

    “你们很多人过去接触机器学习,”他说,“会天然想到先有一份数据,再训练一个模型。”

    原既白确实如此。

    “可一个真正生活在世界里的系统,数据从哪来?”

    老师没有等回答。

    “很多数据,是它自己做出来的。”

    屏幕出现一个机械臂摸不同物体的视频。第一次抓一个软袋时,它夹得太紧,袋子滑出去;第二次减小力度,却抓不起来;第三次换了接触位置。每一次失败都不只是训练集里新增一行记录,而是系统通过自己的动作改变了下一次能获得什么信息。

    老师暂停视频:“如果它永远不碰,只看照片,能不能知道这个袋子软不软?”

    

    (本章未完,请点击下一页继续阅读)
『加入书签,方便阅读』