引言未来的畅想

　　星期六上午，丁零一声门铃响了，小明急忙跑过去，打开家门，见到门口站着一个机器人。机器人身高一米五左右，跟小明差不多，样子有点像星球大战中的C-3PO。机器人向小明鞠了一个躬，“你好，我叫罗伯特，是你们家预订的管家机器人”。小明高兴地跳了起来。“太好啦，我们已经等你很久了。我叫小明”。罗伯特点点头，“小明，你好”。接着，小明领着罗伯特在家里转了一圈，客厅、书房、卧室、厨房、卫生间都走了一遍，最后来到小明的房间。按照指引，罗伯特在小明房间里走了一圈，然后站在了落地窗前。书桌旁摆有一个鱼缸，里面养着一些热带鱼。小明指示说：“别忘了每天给它们换水”。落地窗前放着一个天文望远镜，小明用手指着说：“你走动的时候注意别碰到它，这是爸爸在美国给我买的呢。天气好的晚上，别忘了提醒我去观察星座。”罗伯特点点头，“明白了，你的房间真不错”，又用平缓的语气说：“不过，空调温度太低。时间长会对身体不好，建议你把温度提高”。然后慢慢转过身，像是怕碰到天文望远镜，说：“窗户也没有关好，这样会有安全隐患”，顺手把窗户关上，小明回答：“明白了。”“我再去其他地方看看”，罗伯特一边说着一边慢步出了房间。小明坐下，开始做功课。不一会儿，罗伯特走了回来。小明问罗伯特：“我现在有一个数学问题，不知道该怎么解。你能帮我看一下吗？”罗伯特放慢了脚步，走到桌前，用亲切的声音回答：“小明，我是管家机器人。我的职责只是把你的家管理好，不负责帮助你的学习。如果是辅导功课，需要请家教机器人，公司也有相关的扩展模块可以购买。”

　　以上是我们设想的未来管家机器人的使用场景，它的最大特点是基于“受教式人工智能”（EducatedArtificialIntelligence，简称EAI）技术，有以下几个特点：应用限定的智能系统；接受用户教育；拥有一定的完成任务所需的自学习、推理能力；人类的“智能”工具。

　　目前，业界盛论机器具备意识，机器通过图灵测试和机器理解猫脸概念等话题，这些并不一定有建设性，不能帮助有效解决实际问题。受教式人工智能（EAI）更强调应用智能，目的是让智能技术为产业服务。

　　EAI的特点

　　人工智能目前基本分两种流派，即所谓的强人工智能和弱人工智能。强人工智能观点认为可以制造出与人同等智能的机器，而且，这种机器拥有感觉、知觉以及自我意识，甚至具备自我发展和进化的能力。弱人工智能观点认为不可能制造出这样的智能系统。现实中制造的机器可能在某些方面看上去与人有同等的智能，但并不真正拥有智能，也没有自我意识。产业界本质并不关心智能强弱问题，而是关注智能应用，即通过相关技术使人工智能应用有更好的体验和效果，我们希望EAI可以成为实现这一目标的正确途径。

　　Educated AI既可以理解为 Educated Artificial Intelligence也可以理解为Educated ApplicationIntelligence，拥有应用限定、用户教育、自学习推理能力，能判断的智能系统等特点。EAI的目的不是再现人的智能，而是帮助人更高效、更好地完成各个具体任务或任务集，在其中部分达到人的智能或超过人的智能。

　　基于EAI理念的智能系统应该满足以下几个原则：1.从属于人类；2.限定于任务（场景）；3.接受教育；4.自我成长；5.个性化的系统。基于EAI理念的智能系统当然不会拥有意识，也不需要拥有同人一样的普适智能与智慧，这样的系统理解的语言也是基于任务、场景的，其理解也只是通过能够完成具体任务体现的。

　　有许多的应用系统可以通过EAI的理念构建，变得更加实用，更好地帮助用户解决问题，给用户带来巨大价值。智能管家机器人可以帮助用户管理好家庭，从事家居管理、日程管理、室内清洁、物品搬运、安全保障等工作，它还能在室内行走，识别室内的物体，与主人进行简单的对话和沟通。机器人基本功能在出厂时都已基本具备，但其使用由于接受各个用户不同的教育，从而形成不同的个性化系统。比如，主人引领机器人在室内行走，可以帮助机器人很快地了解家居的情况，主人介绍家庭成员，机器人可以很快知道家庭的构成，每个人的习惯、兴趣爱好等，而不需要从零学起。

　　EAI技术的挑战

　　EAI技术的基本特点是“机器学习加人工教育”，通过人工教育的方式最大程度降低甚至克服机器学习的困难，从应用的角度出发，加速系统的智能化提升进程。

　　机器学习的最大优点是它通过数据驱动的方式解决具体问题，拥有一套完整的理论体系，具有很强的鲁棒性和可扩展性。机器学习的最大缺点是它依赖于数据，数据中隐含的规律一定程度上能挖掘出来，但从实现智能的角度往往不够充分，特别是当数据缺乏的时候，机器学习就会变得无能为力。

　　人工教育最大优点是“教育”的知识与实例具有很强的可读性，很简单地就具备特定场景的“语义”。其缺点是人定义的知识不一定系统、无矛盾、无歧义，开发与维护知识的成本也会很高，更重要的是，人定义的知识往往没有足够的鲁棒性和可扩展性；人给出的实例会更加可靠，但是其覆盖面往往很窄，为了有效地学习可能需要提供大量的实例数据。

　　目前机器学习中的很多技术都应该可以直接应用，但EAI也有其独特技术难点和挑战，比如：如何保证人工教育和机器学习的交互和知识、信息传递的有效性？如何保证应用中性能的单调提升？如何通过人工教育简化学习过程？（古晓宇）

　　（整理自华为2012Lab诺亚方舟实验室主任李航、2012Lab诺亚方舟实验室副主任张宝峰、2012Lab中央研究院总裁霍大伟、2012Lab总裁李英涛署名文章）