近年來，隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，諸多大規(guī)模知識(shí)引擎的創(chuàng)建在很大程度上改變了人類的知識(shí)共享和表征生態(tài)。受此啟發(fā)，美國康奈爾大學(xué)和斯坦福大學(xué)的一些學(xué)者通過多模態(tài)大數(shù)據(jù)挖掘，創(chuàng)建了一種新的、主要面向機(jī)器人的、同時(shí)能供任何要執(zhí)行任務(wù)的設(shè)備自由訪問的大規(guī)模知識(shí)引擎：機(jī)器人大腦（RoboBrain）。
機(jī)器人大腦：面向機(jī)器人的大規(guī)模知識(shí)引擎
在面向人類的知識(shí)數(shù)據(jù)庫中，信息搜索是一件簡單的事情，我們只需在電腦或移動(dòng)終端上輸入幾個(gè)字就可以得到答案，在很多情況下，模糊和缺省檢索也能解決問題。但是，對于機(jī)器人來說事情就沒有這么簡單。即便要完成最簡單的任務(wù)，機(jī)器人都需要詳盡甚而完備的操作細(xì)節(jié)。基于面向人類的搜索引擎所得出的搜索結(jié)果，機(jī)器人難以讀懂。比如，要使機(jī)器人讀懂“如何烘焙蛋糕”的搜索結(jié)果，除了指出常規(guī)的烘焙過程和步驟之外，還需要提供各種各樣詳盡的相關(guān)附帶信息，如雞蛋可以打破；打破雞蛋流出的液體必須裝在器皿如杯子里；杯子只有在杯口朝上的情況下才可以盛裝液體；水來自水龍頭，能夠在壺或者微波爐里加熱，且能夠和蛋液混合等等。因此，要?jiǎng)?chuàng)建一個(gè)面向機(jī)器人的大規(guī)模知識(shí)引擎不是一件簡單的事情。
在人工智能產(chǎn)業(yè)發(fā)展前景被普遍看好的當(dāng)下，康奈爾大學(xué)和斯坦福大學(xué)聯(lián)合創(chuàng)建了一個(gè)面向機(jī)器人的大規(guī)模知識(shí)引擎——機(jī)器人大腦，并為此創(chuàng)建了一個(gè)網(wǎng)站。這主要是一個(gè)供機(jī)器人學(xué)習(xí)和共享知識(shí)表征并執(zhí)行多種任務(wù)的大規(guī)模知識(shí)引擎。
“機(jī)器人大腦”網(wǎng)站的首頁顯示，該知識(shí)引擎主要通過搜索互聯(lián)網(wǎng)及其他一些數(shù)據(jù)來源學(xué)習(xí)各種概念：“它能解釋自然語言文本，意象和錄像；能運(yùn)用其傳感器來觀察人類；且能通過與它們互動(dòng)的方式來學(xué)習(xí)事物。”創(chuàng)建者相信，通過學(xué)習(xí)和共享大規(guī)模知識(shí)，不同的機(jī)器人能夠在各種新情境下更快速敏捷地完成各種任務(wù)。“機(jī)器人大腦”的創(chuàng)建改變了機(jī)器人的深度學(xué)習(xí)方式。傳統(tǒng)上，機(jī)器人學(xué)習(xí)的重心是規(guī)則學(xué)習(xí)。隨著大數(shù)據(jù)時(shí)代的到來，機(jī)器人開始從規(guī)則學(xué)習(xí)轉(zhuǎn)向多模態(tài)數(shù)據(jù)學(xué)習(xí)。
機(jī)器人大腦：使機(jī)器人深度學(xué)習(xí)成為可能
“機(jī)器人大腦”本質(zhì)上是一個(gè)大規(guī)模眾源（crowd-sourcing）大數(shù)據(jù)庫，它所存儲(chǔ)的知識(shí)來源多樣，包括機(jī)器人在完成各種任務(wù)（如感知、計(jì)劃和控制等）時(shí)所關(guān)涉的物理互動(dòng)、萬維網(wǎng)知識(shí)基礎(chǔ)以及領(lǐng)先的機(jī)器人研究小組所創(chuàng)建的各種可學(xué)習(xí)性知識(shí)表征。
“機(jī)器人大腦”的創(chuàng)建在很大程度上改變了大數(shù)據(jù)挖掘過度依賴單一文本數(shù)據(jù)模態(tài)來源的現(xiàn)狀。受制于技術(shù)局限性，面向人類的大規(guī)模知識(shí)引擎的數(shù)據(jù)來源主要是萬維網(wǎng)中“結(jié)構(gòu)化”的文本模態(tài)數(shù)據(jù)，而無法有效挖掘其他一些“非結(jié)構(gòu)化”的數(shù)據(jù)模態(tài)如符號(hào)、圖片、視頻、音頻等。“結(jié)構(gòu)化數(shù)據(jù)”主要指能被數(shù)據(jù)庫所理解的、可以被邏輯表征的數(shù)據(jù)，而“非結(jié)構(gòu)化數(shù)據(jù)”主要指無法被邏輯表征的數(shù)據(jù)，主要包括多種數(shù)據(jù)模態(tài)：文本、圖片或圖像、觸感、XML、HTML、各類圖表或報(bào)表、音頻和視頻信息等等。
據(jù)資料統(tǒng)計(jì)，在大數(shù)據(jù)變革風(fēng)起云涌的今天，世界約80%的數(shù)據(jù)都是“非結(jié)構(gòu)化數(shù)據(jù)”。在云計(jì)算出現(xiàn)之前，傳統(tǒng)計(jì)算機(jī)無法處理這些巨量數(shù)據(jù)。借助于以云計(jì)算為基礎(chǔ)的信息挖掘、存儲(chǔ)、處理和展示技術(shù)，我們可以在某種程度上有效地對其進(jìn)行分析和計(jì)算。如此一來，“非結(jié)構(gòu)化數(shù)據(jù)”的價(jià)值得到極大凸顯。由于面向機(jī)器人的知識(shí)引擎在很大程度上是由“非結(jié)構(gòu)化數(shù)據(jù)”組成的，而其本質(zhì)上又是眾源數(shù)據(jù)，因此，如何有效編碼多種不同的數(shù)據(jù)模態(tài)并構(gòu)建一個(gè)能與多種數(shù)據(jù)來源兼容的知識(shí)表征構(gòu)架是“機(jī)器人大腦”面臨的最大挑戰(zhàn)。為此，“機(jī)器人大腦”訴諸于圖表構(gòu)架以解決不同數(shù)據(jù)模態(tài)之間的沖突和不一致問題。
