人工智能助力机器人迅速发展

在日常生活的诸多领域中，人工智能已为传统方法难以甚至无法解决的问题提供了出色的解决方案，其中包括图像和语音识别或信用卡安全付款。在工业环境中，人工智能同样能够根据模板搜索数据，帮助人和机器人进行决策。到目前为止，机器人主要用于重复性工作，它们以稳定的高精度和重复性执行给定的任务，而未来的生产要求越来越复杂，作为人工智能的一部分，机器学习能够使机器人系统更适合灵活制造，为此需要解释数据、找出相关性并从中获取信息。

人工智能远远不只是机器学习，尽管这部分目前正处于关注的焦点，毋庸置疑，人们在机器学习，特别是计算机视觉领域取得了一些最新成果，但象征性人工智能却有点儿被遗忘了。象征性的、也是基于规则的人工智能意味着，用具体而明确的符号记录事实、事件或动作，根据这些符号能够计算出精确的数学运算和逻辑结论，象征性人工智能可以为抽象的流程和明确的知识建模。同时考虑这两个学科很有意义且值得推荐，因为每种方法都有其优缺点，两者可以很好地互补。特别是在工业应用中，决定必须遵循明确的规则，同时必须易于理解，象征性人工智能对此有利，与此同时，如果有大量优质数据可供使用，可以采用机器学习通过传感器数据识别错误情况，或通过相机识别物体或环境。

人工智能方法最具前途的几个应用案例是在图像识别领域，可用于提高机器人的自主性和灵活性，例如识别物体、分析语义场景和识别抓取点，这些是机器人智能行为的基本要求。

智能机器人能够也应该取代人类从事繁重、劳累和重复性工作，或者至少帮助他们提高工作质量和安全性并保持健康，智能、可视和感知机器人由此成为专业工人，至少可以在专业劳动力短缺时很好地完成简单工作，不过有个例子可以清楚表明，与科幻电影描绘的机器人相比，我们还有很长的路要走：尽管如今的象棋计算机可以击败任何象棋大师，但却没有机器人能从架子上取下象棋，打开棋盒，取出棋子，将它们在棋盘上摆好，然后开始对弈。在这种需要机器人与周围环境进行物理交互的实用智能方面，小孩子也明显优于当今的“智能”机器人，而这种情况还将持续很长时间。

我们会看到机器人怎样变得越来越自主，通过更少的具体指令就能完成它们如今已经在做的某些任务，未来机器人还将用于应用领域，特别是机器人服务技术领域，即在工业生产之外，目前它们尚未涉足这一领域，在这方面人工智能将做出重大贡献。德国和欧洲的数据意识很强，这一方面涉及个人数据的处理，另一方面涉及生产数据的处理，后者在理论上反映了最内在的操作流程和产品细节。从人工智能开发的纯粹客观角度来看，这是一个障碍，因为机器学习过程尤其依赖大量的训练数据，数据的可支配性表明，在机器图像处理领域之所以进步很大，是因为互联网上有大量可供使用的优质数据，相反在工业领域取得成绩相对缓慢，在这一领域，生产设备厂家不得不在数据吝啬和通过人工智能实现增值之间走钢丝。