机器人该长啥样，MIT让计算机「立规矩」

在自研 SoC 这件事上，Google 坐不住了。

　　今年，苹果 M1 芯片的发布让科技圈为之沸腾，且近期彭博社又曝光了苹果新款 ARM 架构 Mac 芯片，可谓是趁热打铁。

　　不过，Android 阵营的 Google 也并未闲着。

　　据外媒报道，Google 自研的 SoC 芯片“Whitechapel”或将于明年发布，且不止搭载于 Pixel，还可能应用于 Chromebook。

　　Whitechapel 实力如何？

　　根据已曝光的信息，Whitechapel 是 Google 与三星合作的自研处理器芯片，基于 ARM 指令集架构，8 核 CPU 设计，采用 5nm 工艺。

　　不仅如此，该芯片还集成了谷歌的 TPU 神经网络加速单元，能够改善 Google Assistant ，更好支持与 AI 和机器学习相关的功能，如“always-on”。

　　消息称，Whitechapel 已成功流片。一般情况下，从流片到商用大概需要 1 年左右时间，以此推算，在进展顺利的前提下，Whitechapel 预计将在 2021 年搭载于 Pixel 手机中。
 

要想知道何种形态爬楼效果最佳，最直接的方式是把每一种可能的方案都尝试一遍，但这种方法自然耗时耗力。

　　基于此，美国麻省理工学院（MIT）有了给机器人制定「语法」的想法——开发一种名为 RoboGrammar 的计算机系统。

　　机器人长什么样，就让计算机来决定吧！

　　计算机如何设计机器人？

　　1967 年，SIGGRAPH（Special Interest Group for Computer GRAPHICS，计算机图形图像特别兴趣小组）成立，其关注点主要在于计算机绘图和动画制作软硬件技术。

　　1974 年起，SIGGRAPH 开始举办年会，为众多计算机图像技术软硬件厂商的最新研究成果提供一个展示的机会，SIGGRAPH 年会上的展品常被媒体称为是图像的未来。

　　比如在 SIGGRAPH 2017 上，NVIDIA 展示了 VR 相关技术、Intel 展示了在电影《敦刻尔克》的拍摄中提供的技术支持。

　　SIGGRAPH 2020（Asia）上，有关 MIT RoboGrammar 系统的研究成果公布。

　　其论文题为 RoboGrammar: Graph Grammar for Terrain-Optimized Robot Design（机器人语法：基于地形优化机器人设计的图形语法），这也直接点明了 RoboGrammar 的主要侧重点：地形。

　　实际上，MIT 研究团队的初心在于创新机器人的形态，以达到最佳性能。

　　论文第一作者、MIT 计算机科学与人工智能实验室（CSAIL）博士生 Allan Zhao 认为，设计机器人的目的可以说是几乎无穷无尽的，但它们在总体形态设计上都比较相似：

当你想制造一个需要穿越复杂各种地形的机器人时，你脑海中可能会立刻跳出一只四足机器狗，但我们想知道这是否真的是最佳设计。
 

　BBC 记者 Helen Briggs 表示，AI 的学习速度惊人，它用几天的时间就能达到实验室几十年的研究水平。

　　但要实现这样高效的研发，DeepMind 必须与科学家分享这项 AI 技术。DeepMind 的联合创始人兼 CEO Demis Hassabis 表示，先让 AlphaFold 变得更有用，以便之后科学家们使用。此前，DeepMind 公布了第一版 AlphaFold 足够多的技术细节，让科学家们复制这个 AI 预测的方法。

　　目前，DeepMind 还没有公开关于 AlphaFold 2 的更多技术细节，和未来知识共享的计划。但这个全新的 AI 模型已经让科学界和科技圈激动不已。

　　过去几年，DeepMind 靠旗下的电竞 AI AlphaStar 和围棋 AI AlphaGo「出圈」。它们在《星际争霸》和围棋策略游戏中碾压了职业玩家。而现在，DeepMind 似乎要「毕业」了，不只在游戏中证明自己的智慧，开始解决具有现实世界意义的科学问题。而这些问题，生死攸关。

　　王立铭教授幻想了这样一个场景：「一名癌症患者找到医生，医生测定了他体内肿瘤细胞的基因序列，发现他体内某一个特殊蛋白质发生了变异，因此导致了癌症。同时，医生还能对这种特殊蛋白质进行结构预测，有针对性地设计一个药物与之结合，破坏其功能，从而治疗癌症。所有这一切只需要几天时间。」在未来，疾病的诊断和治疗将变得高度个性化。

　　更重要的，AI 介入医学让救治变得更高效，其实也在颠覆人类认识科学的方式。

　　通过「暴力」训练，前几年的 AlphaGo Zero 甚至可以做到，只需要知道围棋的基本规则，比如怎么吃子、怎么判断胜负，就可以在完全无视人类所有经验的条件下学成绝技。人类之前在小样本中归纳、演绎、总结再实践的过程被颠覆了，现在是这些经验有时候并非完全必需，只要有足够多数据，AI 就能直接算出结果。

　　「只要那些复杂问题需要巨大的组合空间搜索能力才能解决；具有需要优化的明确目标函数；具有大量数据或者具有一个准确有效的模拟方法。」AlphaFold2 研究团队说道，「那它们就能被 AI 一一破解。」

（编辑：盐城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!