机器猫吧 关注:440,586贴子:9,923,366

实现没有口袋的哆啦A梦的一些技术难点

只看楼主收藏回复

下文为个人观点,在一些行文例子方面可能并不是十分专业会难免犯一些错误(会尽量避免这些错误),欢迎各位交流批评以及提出相反意见
导 :哆啦A梦这种科幻机器人无意是极为先进的,那么想要将这个蓝色的梦想实现需要哪些关键的技术呢?本文暂且不对其道具和口袋进行讨论,因为在这中有一些理论是否能成立仅为我们的想象,将这些比喻成书上的果子就相当于是还没有被看见的那部分,下面讨论的是可以看见的而还没法摘到的果子,也就是构成哆啦A梦的关键技术,人工智能(哆啦A梦的大脑)以及可控核聚变(哆啦A梦的能量来源)的技术难点。


IP属地:海南1楼2018-08-20 01:45回复
    1. 人工智能
    哆啦A梦拥有极为丰富的感情和内心世界,并为我们展现了一个又一个发人深思令人回味的故事。
    可以这么说,这一切的一切和人工智能技术是分不开关系的,最近随着阿尔法狗以及各路影视作品和游戏作品比如“守望先锋智械危机”“底特律变人”中的人工智能元素出现,可以说人工智能这个词现在是极为火热和流行,特别是在某些网络平台的推送和新闻文章更是对这个概念进行疯狂吹捧和浮夸,似乎人工智能在明天就可以代替人类毁灭世界,这样也导致现如今大众对于人工智能的概念处于一种极为看好的状态,也都乐观的认为很快就可以达到这个程度,不过仔细想想,我们大家所接触过的人工智能也就是深度学习和大数据搞出来的,不知道有没有闲的没事的人和这些人工智能尬聊过。真正的事实是现在我们想要达到哆啦A梦这种程度的人工智能绝非想象中那么简单和触手可及,而是“革命尚未成功同志仍需努力”
    现如今在人工智能的研究已经分为了很多的子领域,在这按照网上分类简单分为机器学习,自然语言处理,运动与控制,机器感知,计算机视觉,语音识别,情感计算,当然这些领域最后都要走向合并,就像牛顿对于物理学这个领域一样,不过现在很多子领域都存在不少的难点有待突破,下面会就这些领域中的一些进行很简单的一些介绍。


    IP属地:海南2楼2018-08-20 01:46
    回复
      1.1.机器学习。
      先来看下面一个图片

      图中的故事是大雄房间全被水弄湿了,然后哆啦拿出一个吹风一样道具来把水弄干。表面看上去貌似没什么,一切理所当然,随便换一个对道具功能了解的人一样可以做到。但是里面有着学问和难点。
      对于哆啦A梦,他如何根据现有的情景判断该用什么道具,他为什么立刻就选择了用这个道具,他为什么不选择其他的道具,他拿出这个道具要用多大的力气,对于目标物体使用该处于一个什么样的距离,他如何来判断这个距离的远近等等。
      简单的一件小事,背后却蕴含着巨大的信息量。现在的处理这种小事的方式是通过深度学习和大数据,用事物的表面特征,语音声音特征的这些方法来解决,当然现在通过这些方法也确实可以做到这个动作,不过更加复杂的事物就不一定了。
      首先类别一下人类的学习的过程,回想一下我们学习的过程,有填鸭式教育,也有让我们学生主动学习翻转课堂之内的学习方式,也有通过看别人的动作事物进行逻辑推测的边探索边学习的过程等,总之很多。
      接下来还是这个例子,普通人简单了解一下各个道具的说明书,或者通过一个人是演示就可以做到这一点了,该用哪一个,该怎么用,用多大的力气,作用的部位等等,甚至遇到类似的还可以进行举一反三的使用,然而现在解决这些问题的依旧是使用大数据和深度学习,可以比喻是填鸭式教育被动学习,对于知识点不需要理解和举一反三,需要做的就是背下所有的例题,然后对号入座,触类旁通和举一反三这种人类学习新事物的特别关键的特点在机器中可以说是不存在的。
      并不是说不改使用深度学习这个概念,而是个人认为解决这类问题不能单单只依靠这一个概念。


      IP属地:海南3楼2018-08-20 01:46
      回复
        1.2.计算机视觉
        也是一张图片

        (图片来自哆啦A梦:新大雄的日本诞生)
        人类可以自然而然的对这个图片中的内容进行想象,比如大雄桌上有书和作业然后他睡着了,可以推测他做作业做累了然后趴着小憩一会,总之,我们注意力在这张图上时间越长,可以进行想象和推测的内容就越多(开个玩笑不知道能不能从这里面推测出地球何时毁灭)。这些东西的大小以及尺寸我们根据我们自己的常识也可以进行很好推测,比如大雄书桌的高度,哆啦壁橱的高度,当然不能进行精确的认识,但是至少可以有一个大概的概念。
        通过这个视觉我们可以进行很多的操作,比如拿一杯水,我们虽然对于距离和尺寸的具体值推测很模糊,但我们可以通过人生理学的前馈控制系统来对我们的动作进行不断的修正,用力不多不少,最终达到目的。
        然而机器人想要做到这一点却不是想象中的那么简单轻松,这样是为什么一台会和人握手的机器人都那么难以研制出来的原因(高级别的握手机器人要会揣摩人的意思,要不然会出现尴尬的情况)。或者说是机器人帮你开门,没有这种前馈系统,直接一个用力过猛,把门把手给扯下来。


        IP属地:海南4楼2018-08-20 01:47
        回复
          1.4.总结
          毋庸置疑的是,这些研究方向是必须要走向统一的,这样才能真正的搞出人工智能,还是那个举的老掉牙的例子,牛顿对于物理学的统一,不过人工智能可不像几百年前统一物理来的那么简单粗暴,这个是融合了各种各样的学科,生理学,物理学,社会学,等等一些列的学科,真正困难的就是将这一系列来一个大一统。(值得欣慰的是人工智能这个概念得到的资金投入是大把大把的,而不像接下来要说的可控核聚变)


          IP属地:海南6楼2018-08-20 01:49
          回复
            2. 可控核聚变

            (图片来源于网络)
            官方给予的哆啦A梦的能量来源是一个原子胃,无论吃什么都可以转化为原子能,这么推测基本可以排除裂变能,而可以基本确定是聚变能,但是要将铁之前的元素进行聚变反应需要的压力和温度都是一个难以想象的天文数字。所以这种高级别的聚变反应暂且不谈,我们能把最轻的元素进行长时间可控的聚变就谢天谢地了,也就是现在我们主流进行的氢同位素的聚变,不过哆啦使用的这种必然是经过小型化设计的,但是现在连大型的都没有弄好,就更别说小型的了。
            虽然世人对这个技术很不看好,不过考虑到这个东西实现之后所带来的巨大利益,还是不得不继续说下去。
            那么这个技术到底是什么样的呢,又存在哪些困难的地方呢,接下来会一一进行阐述。
            首先,将可控核聚变这几个字拆分为可控以及核聚变,核聚变是在一定的温度或者压力下,两个比较轻的原子在这种温度或者压力下,原子核碰撞在一起,形成一个更重的原子核,在这其中种质量减少,转化为巨大的能量,依据爱因斯坦著名的质能方程E=mc^2,简单举例就是我们熟知的热核武器(氢弹),当然氢弹是一锤子买卖,和可控扯不上关系。
            接下来是可控,可控的意思就是,我想让核聚变进行他就进行,想要他终止他就终止,想要持续输出低能量就持续输出低能量,想持续输出高能量就持续输出高能量。想要做到这一点就很不容易了。


            IP属地:海南7楼2018-08-20 01:50
            回复
              2.1温度问题
              让我们从温度来展开这个问题(支持冷聚变的就不要跑出来说话了),众所周知,可控核聚变其实早就实现了,而且持续运行了几十亿年(头上的太阳),但是太阳上不但温度极高,压力也是极大的,在地球上我们不可能弄出那么高的压力(几千亿个大气压)所以我们只能在温度上面下功夫,想要达到聚变目标,我们需要的温度必然是上亿的,地球上没有任何东西可以承受这个温度,所以我们只能让高温物质不接触“舱壁”(然而就算是不接触,我们也需要要这些材料耐高温,耐热冲击,要不然来一个等离子破灭几千度温度直接把炉子给烧穿),现在主流的是惯性约束的极光加热,比如美国的“国家点火”和中国的“神光”以及磁约束(带电粒子在托卡马克或者仿星器里面处于极向磁场和环形磁场之中,受到我们高中物理所学的洛伦兹力的作用而运动而又保持一定的形态,带电粒子自身形成的电流再对自身进行欧姆加热),比如中国的EAST,以及未来的ITER,(惯性约束基本算是没有前途了,接下来也不会谈,下文主要讨论磁约束)。


              IP属地:海南8楼2018-08-20 01:50
              收起回复
                2.2.工程技术问题
                想要约束住这些粒子,我们必须要极强的磁场,磁场强度就是一个问题,网上资料显示目前人类所能达到的最大磁场约是10T,这需要巨大的电流,这巨大的电流同样也会对电线进行欧姆加热,所以冷却是一个问题,不然一会直接就把炉子烧了。可能已经有朋友想到了,解决这个问题可以使用超导体,这个确实是一个方法,而且ITER计划貌似就准备使用超导托卡马克这个方案,但是我们目前根本没办法搞常温超导,只能弄低温超导,可以进行简单的想象,里面几亿度,外面零下两百多度,这个难度还不是一般的大。
                2.3.等离子体湍流
                假设磁场弄好之后,就是内部等离子体形成的湍流问题,流体力学这方面一直是物理学的老大难问题,所以我们不能简单粗暴的预测粒子的运动轨迹,不过这个问题貌似可以通过超级计算机的暴力计算来进行解决。
                2.4.氚滞留问题
                假设上面一个问题解决之后,接下来我们还要面临废料的排放问题,两个氢原子核聚变在一起形成一个更重的氦核,然后这个玩意儿我们要怎么才能让它**等离子体里面,这也是一个很严肃问题。同时在反应中我们的氚(反应堆中的氚一般都是要循环使用的,通过中子和锂反应再此将氚生成)很容易在各个地方被毫无利用价值的消耗掉(氚滞留),比如用于反应堆的第一壁材料,由于直接接触等离子体,所以说氚很容易就停留在上面了,而氚一但用完,反应也就直接熄火了。


                IP属地:海南9楼2018-08-20 01:51
                回复
                  2.5.中子问题
                  下一个就是中子问题,这个问题非常严重,因为中子这个东西真的很烦,烦就烦在这玩意儿不带电,你没法对其进行约束,所以这个东西就到处撞,对于这个还真没有好办法,只能采用被动防御模式,就是选择各种耐中子材料,只是奈何还真的没有那么**的材料可以完全扛得住中子持续不断的轰炸,而且在这些轰炸的发生下,材料会发生各种各样没人知道的核反应,可能会生成一些放射性元素。
                  2.6.等离子体辐射问题
                  还有就是等离子体里面的各种各样的粒子的冲击,由于我们磁约束并不是绝对的可以把带电粒子好好的约束住,所以很难受,这些东西也会到处跑,一头就撞在舱壁上,时间一长,第一壁材料就会出现气泡脱落之内的问题,而这些东西一旦进入等离子体里面,反应又直接熄火了。
                  2.7.其他问题
                  当然还有各种各样的假设这个堆完美运行时候的问题,比如说如果用这个东西来把水烧开来发电,如何控制成本让这玩意儿的成本低于火力发电等等,不过前面的问题都还没有很好的解决就不用先来说这些后话了。
                  2.8.总结
                  总之,可控核聚变也是一个极为困难和难以达到的技术,大型的是如此,小型的可以用在哆啦A梦身上就更不用说了。但是,也许是和难度有关系,这项技术得到的重视程度和经费支持却远不如人工智能。
                  千言万语还是那句话,革命尚未成功同志仍需努力啊。


                  IP属地:海南10楼2018-08-20 01:51
                  收起回复
                    厉害,还没睡


                    IP属地:重庆来自Android客户端11楼2018-08-20 01:51
                    回复
                      该楼层疑似违规已被系统折叠 查看此楼


                      IP属地:海南12楼2018-08-20 01:53
                      回复
                        哆啦A梦有灵魂,更接近碳基生命体,而不是人工智能


                        IP属地:山东来自Android客户端13楼2018-08-20 02:07
                        收起回复
                          已加精。as君深夜码长文啊,涉及那么多专业知识,耐心地进行那么多科普真是辛苦了;可能在专业知识领域没法插上什么话,但是对于as君所言地,应在科学探索方面有勇往直前,知难而上的精神是深表认同的,这种精神也应在生活中的各个方面予以体现,无论是对个人,还是对于一代人,都是一种时刻应具有的、对时代负责、承先辈意志、为后继者开路的责任感吧。


                          IP属地:上海来自iPhone客户端14楼2018-08-20 02:08
                          收起回复
                            表示不是专业人士还看不懂呢,哆啦A梦感觉更想是一个人的存在而非机器人。


                            IP属地:浙江来自Android客户端15楼2018-08-20 03:24
                            收起回复
                              滋磁 !


                              IP属地:浙江来自Android客户端16楼2018-08-20 06:36
                              回复