类脑机器人: 智能生长

类脑机器人: 智能生长 brain-inspired robot: intelligence growth   在类脑智能机器人研究中，如何从根本上提升机器人的智能，是机器人研究领域的一个重要问题。经历了长期的发展过程，人们普遍认为机器通常在动力、速度、精巧性方面具有一定的优势，而人类具有智能、感知、情感等机器部分具有或者不具有的能力和特点。人们自然希望可以将二者各自的优点融合在一起，实现“人机协作”。早在 20 世纪 50 年代，已有研究人员开展了相关的工作，从具体任务出发（如工业制造），研究离线状态下的人机交互，让机器人在人的指引下完成任务学习。
20 世纪 90 年代，人们开始研究实时交互问题，将服务机器人与人结合在一起。然而这种协作主要从功能角度使人和机器人共享智能，并不算真正意义上的融合。在这一过程中，人做一部分工作，机器人做一部分工作，二者分工完成同一任务。自 2010 年来，人们更加关注“认知-合作”，机器人作为人的“同事”，和人在一起工作。智能人机协同需要计算机在陌生的环境通过对周围环境的观察以及周围环境的反馈刺激，自主整合新旧知识，并进行综合智能决策，即要求计算机具有类脑的交互学习机制。随着人工智能技术和新材料技术兴起，智能机器人行业将是未来“脑科学研究”和“脑认知与类脑计算”研究成果的重要产出方向。在实际的应用场合，新一代的机器人或者新型人工智能必须要具有通过交互从外界获得知识，并通过智能增长的方式进一步了解外部世界的能力。建立基于交互的从零学习及智能生长认知模型，使得计算机能够像婴儿一样，在与人的交互过程中进行错误纠正与知识积累，实现模仿人类认识外部世界的智能增长。
国际上一些机构已纷纷开展人机协同下机器人智能生长的研究，如麻省理工学院人工智能实验室增量人机协同研究组（Increasing Man-Machine CollaborationMIT）采用增强学习让人与机器人（包括飞机与小汽车等）在未知环境自由协作，让计算机自动配合人并与人交互，在共同决策完成既定任务的同时，机器人也通过交互过程不断学到新的知识。此外，谷歌和百度的无人驾驶汽车平台也在进行着类似的尝试。
DeepMind 公司（2014 年被 Google 公司收购）提出了Neural Turing Machine 方法，利用深度增强学习，实现了靠不断试错学习就可获得提高的游戏人工智能。这些智能靠着对游戏视频的观察来自动寻找出模式，然后操作控制器，并获得得分的反馈结果（高分奖励），通过这样的交互方式不断学习新的知识和技能。此外，Deep-Mind 还在研制基于长短期记忆的递归神经网络（LongShort-Term Memory-Recurrent Neural Network,LSTMRNN）控制的无人机，通过交互式的学习可不断提高无人机飞行的效果。
在未来，人们希望可以将人的智能更深程度地引入机器人系统，从机理上对人进行模仿，使机器人能够像人一样思考，从而“配合”人的工作，共同完成任务。类脑智能机器人不但是未来人工智能研究重要的外显载体，而且其在未来服务业、智能家居、医疗、国家与社会安全等领域都具有极为广泛的应用价值。