在幕后，机器人正悄无声息地变得越来越聪明。它们已经更加智能，以至于可能很快就可以完成我们人类的很多工作。它们可以为我们开车和送货，制造很多货品，为我们烹调饭菜，照顾老人和体弱者。这并不是说机器人将会接管世界，但它们的数量肯定会呈现出指数级的增长。

在我们担忧的事情当中，处于最前面的应该是伴随这种劳动经济学巨变而来的社会动荡。相反，我们的科幻电影讲的是机器人脱离人类控制，我们还就超级机器智能相对于人性的冷漠进行了形而上的辩论。在我们等待机器人迎来大繁荣的时候，这两种途径目前都没有起到什么帮助作用。马丁·福特（Martin Ford）在其备受推崇的新书《机器人的崛起》（Rise of the Robots）中提出了一个基本收入的概念，它是合乎道德的，但却不具有政治上的可行性。想象我们人类如何适应一个满是机器人的未来，这是困难的部分。

在人类跟机器的关系将如何演进方面，机器人学（robotics）跟深度学习（即人工智能的分支）交集部分最近取得的进展为我们提供了一些线索。上周，来自加州大学伯克利分校（UC Berkeley）的一份报告描述了那里的研究人员如何利用深度学习来训练机器人从事需要机敏和空间意识的日常人工任务。这份报告声称，该团队已经“开发出了算法，让机器人可以使用一种更近似于人类学习方式的过程通过试错法（trial and error）学习任务动作，从而成就了人工智能领域的重大里程碑。”

来自Rethink Robotics的工业机器人Baxter和Sawyer

与此同时，波士顿一家名为Rethink Robotics的公司开发出了两款工业机器人，它们能够在工厂跟人类一起工作并接受培训。Baxter和Sawyer（见上图）被设计来向人类提供帮助，并且不对人类构成威胁。我们将看到效果如何，很可能会有机器员工“抽疯”或者展示“机器人愤怒”的案例，但在大多数情况下，人机关系应当是合作性的。

毫无疑问，这些都是经过精心设计的机器人。它们造型时尚且风度翩翩，同时没有坠入人形机器人的“恐怖谷”（译注：恐怖谷理论是一个关于人类对机器人和非人类物体感觉的假说）。而且，到最后这些机器人可以成为优秀和可靠的劳动力，把我们人类从很多重复性劳作中解放出来。记住这一点很重要，人类喜欢获得报酬，但大多数人并不喜欢他们赖以获得报酬的工作。

在位于机器人和人工智能系统研发最前沿的人当中，大多数是从它们如何能够帮助人类做更多的工作来看待这些技术的。较之仅仅依赖于人力，得到一台机器人或一个机器人团队协助的人可能拥有10倍乃至100倍的生产力。Rethink Robotics把这些设备称为“协作机器人”。事实上，人们在培训Baxter机器人时会手把手地进行教导，展示完成一项任务所需的一系列动作。

跟之前的工业机器人比起来，这些新机器人的性质有所不同。这些协作机器人会考虑到人类，它们需要我们的帮助才能进行学习，就像孩子一样。而且，它们在空间上会顺从于我们，如同训练有素的宠物。如果Baxter撞到你的臂弯中，它会立即松懈下来以免伤到你，这有点像拉布拉多犬可以学会在寻回被猎杀的野鸭时“口咬猎物而不破”（soft mouth）。（当一台Baxter机器人撞到同类时会发生什么事，这我就不知道了！）

类似的，BRETT（用以消除繁琐工作任务的伯克利机器人）用来学习执行任务的试错过程也很讨喜。在下面的视频中，你可以看到机器人学着把塑料零部件拼凑在一起，首先是一架玩具飞机，然后是一些大块头的乐高积木。尽管这些任务都可以通过硬编码的方式让机器人进行操作，但伯克利研究团队深度学习解决方案的优势在于其容错能力。由于BRETT能够通过近似法和优化法进行学习，它可以在物件位置发生变化后即时做出调整。

加州大学伯克利分校电气工程和计算机科学系的彼得·阿布比尔（Pieter Abbeel）教授解释说，“重点在于，当一台机器人面对着新的事物，我们将不必重新进行编程。完全相同的软件——它的编码决定了机器人如何进行学习——被用来让机器人学会执行我们指派给它的所有不同任务。”这种做法反映了人类的学习方式。“尽管人类具有多种技能，但我们并不是天生就能像瑞士军刀那样执行各种各样任务的，而且我们不需要接受编程。”博士后研究人员谢尔盖·莱文（Sergey Levine）说，“相反，我们可以在自己的生命历程中从经验和别人那里学到新的技能。”