超級計算機HAL 9000因在《2001太空漫游》(2001:A Space Odyssey)中殺死宇航員而被人們銘記。由于被設計者輸入了兩條完全矛盾的指令，最終超級計算機不得不殺死了宇航員。

圖片來源：圖蟲創(chuàng)意

現在，科學家們重新制造了現實版的“HAL 9000”，以幫助宇航員進入太空。

這款由德克薩斯TRACLabs公司開發(fā)的新樣機成功地控制了一個模擬行星基地數小時，并能顯示生命維持系統(tǒng)和機器人狀態(tài)等信息。

在電影中，HAL 9000是控制核動力“發(fā)現一號”宇宙飛船的人工智能。

在科幻小說傳奇人物阿瑟·c·克拉克(Arthur C. Clarke)與這部電影一同撰寫的小說中，這臺電腦被描述為能夠用“他在他的電子孩童時代的短暫幾周內學會的完美地道英語”與宇航員交談。

TRACLabs的人工智能研究員皮特·博納索(Pete Bonasso)在西點軍校(West Point university)讀大四時第一次看到了《2001:太空漫游》(2001:A Space Odyssey)，當時他給學院唯一的一臺電腦編程，讓它玩一個虛擬的撞球游戲，從那以后，他就開始嘗試創(chuàng)造類似的游戲。

在《科學機器人》(Science Robotics)雜志上的一項研究中，博納索說:“當我看到《2001》時，我知道我必須讓電腦變成另一個存在，一個像HAL 9000那樣的存在。”

這項新技術可以直觀地顯示需要生命支持和機器人狀態(tài)的人等信息，但也可以與人交談，這樣他們就可以提問、發(fā)送命令，并得到任何問題的警告。

該軟件的設計初衷是，只有在與人分享計劃并獲得行動許可后，才能實施計劃，而不是謀殺宇航員。

博納索和同事們設計的新軟件名為“航天人員認知架構”(cognitive architecture for space agents，簡稱CASE)，由三個關鍵層組成。

第一層是一個連續(xù)運行的控制器，它連接并運行機器人的手和眼睛等硬件，同時控制一個行星基礎的模擬。

第二層則側重于一些人所謂的日常工作，執(zhí)行一些潛在的日?；顒樱热邕B接電池、控制氧氣生成和二氧化碳去除系統(tǒng)，以及給漫游者充電和發(fā)送探測器以取回行星巖石樣本。

第三層由自動規(guī)劃軟件組成，該軟件決定如何實現CASE的編程目標，以及執(zhí)行這些目標的順序。

博納索說，當出現問題時，它還可以自動重新安排活動，比如氣體泄漏、發(fā)動機故障或行星沙塵暴。

這些層被鏈接到一個本體服務器，一個數據庫，可以追溯它的數據。

研究人員說，如果有人把工具箱從設備柜移到船員艙，本體服務器會認為工具箱中的所有工具也會改變位置。

博納索在接受Space.com網站采訪時說:“我們的同事和美國宇航局的同行們并不擔心HAL會失控。那是因為它不能做任何它沒有被設定好的事情。”

該小組已經進行了試驗，并讓CASE在模擬行星基地管理了大約4個小時。

然而，研究人員強調，在實際運行基地之前還需要做更多的工作。

雖然CASE令人印象深刻，但它既不是《2001:太空漫游》(2001:A Space Odyssey)中完全實現自主的HAL，也不是《星際旅行：下一代》(Star Trek: the Next Generation)中的Lt. Commander Data。

“它的能力非常有限，只關注發(fā)生在行星上的事件。”

“雖然它可以維持生命維持系統(tǒng)的運轉，但它并不知道誰贏得了上次總統(tǒng)大選。”

這個小組現在正與美國國家航空航天局所稱的類似物合作——志愿者們假裝自己生活在一個遙遠的世界上的地方。

其目的是將CASE合并到模擬中，以了解該軟件如何幫助改進未來的太空探索。

博納索補充說，他有時會不能跟上這個項目的發(fā)展，這項工作該如何為遙遠的宇航員創(chuàng)造一個現實版的HAL。

“當你深入研究軟件的工作時，你有時會忘記，你實際上是在想象生活在火星或月球上會是什么樣子。”

“有時我們不得不退后一步說，‘嘿!這很酷。’”

人工智能系統(tǒng)依賴于人工神經網絡(ANNs)，它試圖模擬大腦工作的方式來學習。

人工神經網絡可以被訓練來識別信息中的模式——包括語音、文本數據或視覺圖像——并且這是人工智能近年來大量發(fā)展的基礎。

傳統(tǒng)的人工智能通過輸入大量信息來“教授”某個特定主題的算法。

實際應用包括谷歌的語言翻譯服務、Facebook的面部識別軟件以及Snapchat改變實時濾鏡的圖像。

輸入這些數據的過程非常耗時，而且僅限于某一種知識。

一種新的人工神經網絡被稱為對抗性神經網絡(Adversarial Neural Networks)，它讓兩個人工智能機器人的智慧互相較量，從而讓它們相互學習。

這種方法旨在加速學習過程，以及細化人工智能系統(tǒng)創(chuàng)建的輸出。

【來源：前瞻網】