当数据科学家谈论深度学习时，他们通常谈论的是图像生成、检测、分类和回归任务。尽管如此，深度学习和人工智能正在机器人技术中得到广泛应用，并解决了一些重大挑战。计算机视觉中的深度学习正在推动对自动驾驶汽车的探索。强化学习也为AlphaGo等应用程序提供动力，越来越多的组织希望从中获得更多收益。深度学习在今天取得了很大的进步，但人们仍然希望在某个时间点达到最终目标——通用人工智能（AGI）。AGI机器人可以执行任务吗？AGI是一种假设的机器智能，可以理解或学习人类可以执行的任何智能任务。行业专家SteveWozniak提出了一项确认AGI是否达到人类水平的测试，其中之一是家庭应用的机器人需要知道如何煮咖啡——即机器人必须找到咖啡机和咖啡，加水，找到杯子，然后煮咖啡。这项任务对人类来说可能很容易。然而，对于机器人来说，它本质上意味着使用各种计算机视觉技术以正确的方式与环境交互，以识别和使用物体，然后根据对任务的理解采取所有正确的行动。另一个确认AGI的测试是图灵测试，在该测试中，人与机器交谈，而人必须猜测他们是在与机器交谈，还是在与另一个人交谈。如果一台机器能骗过人很多次，它就会通过考验。图灵测试涉及对人类语言及其结构的深刻理解，以及对语言如何持续使用的感觉。人工智能如何提供帮助？埃隆·马斯克、比尔·盖茨、史蒂芬·霍金等公众人物都认为人工智能可能对人类构成生存风险（比如终结者的天网），但人们远未真正惧怕人工智能。这还有很长的路要走。虽然像AlphaGo击败围棋世界冠军这样的进步确实让人们认为计算机已经超越了人类，但必须明白，机器本质上是在试图模仿它所学的数百万场比赛的逻辑。这些棋局提供了大量的训练数据，人工智能采取行动的自由度与现实世界相比非常有限。另一件事是，这些人工智能不是多功能的。这意味着虽然AI可以非常擅长一件事，但它并不擅长其他事情。而能够独立思考并产生逼真的动作的机器人可能会在遥远的未来出现。尽管如此，在实现该目标方面正在取得一些进展。还应考虑如何立即实施过滤或限制，以确保人工智能不会伤害人类或造成其他伤害。人们已经在处理基于AI训练方式和人的AI偏见，因此在未来的自主AI出现之前仍然存在许多障碍。研究人员已经在致力于计算机视觉(CV)的深度学习，这可以帮助机器人和机器人应用程序使用各种传感器来了解他们的环境并帮助他们避开路径上的障碍。而机器学习和计算机视觉（CV）技术确实可以解决这个问题。这将是自动驾驶汽车的重要组成部分，即使没有训练数据，它也必须学会如何在新的条件下观察和学习。许多研究还围绕语音识别（可用于将人类语音转换为机器语言）和自然语言处理(NLP)展开，后者使机器能够理解人类并与人类交谈。有些人已经在Alexa、Portal和GoogleHome设备上使用低级版本。事实上，GPT-3是一种新的语言生成模型，可以编写有趣的文本，再次由深度学习在自然语言处理中的使用提供支持。关于机器人深度学习的几点思考今天的AI状态倾向于以孤立的方式解决问题。例如，视力问题与语言/言语问题分开处理。研究人员接下来需要做的是将所有这些功能集成到可以自己做出决定的工作机器人中。这些机器人需要能够亲身体验现实世界，以创建自己的世界观，并从其环境中获取可用于自己训练的额外数据。虽然说起来容易做起来难，实现这样的目标还需要更多的技术进步，但只要我们继续朝着正确的方向前进，机器人实现AGI，开辟一个全新的世界只是时间问题。
