大咖问答05期：机器人专家带你玩转人工智能与软硬件设计

xiaocaihong

机器学习已经无处不在，持续在各类新闻中霸榜，随着人工智能成为新基建的七大领域之一，人工智能+的概念呼之欲出，作为人工智能重要支柱的机器学习技术，未来必将会在更多的传统领域，包括医学、金融、安全等等攻城略地。

本期我们邀请到人工智能领域专家@dj-zhou周定江博士，参与电路城论坛第五期大咖问答(4月13日 ~ 4月26日）

大咖介绍：
周定江博士，机器人和人工智能领域专家，曾就读于波士顿大学机械工程系，并获得博士学位。上海某智能科技有限公司联合创始人、前首席科学家。现就职于美国某智能机器人公司，任高级软件工程师。

往期《大咖问答》栏目内容：

大咖问答01期：模电大神教你玩转模拟电路设计
大咖问答02期：对话大神，剖析物联网技术开发常见问题  
大咖问答03期：从0到1，大咖解答智能飞控产品设计思路
大咖问答04期：资深大咖聊IC设计原则与实际应用技巧

职位：某智能机器人公司前首席科学家，现美国某机器人公司高级软件工程师


本期话题：人工智能

本期话题涉及的内容：
人工智能算法
机器人软件架构
电子硬件控制系统
深度学习机器学习

或者有其他相关人工智能方面的问题，也欢迎大家积极提问，大咖嘉宾会尽快给予回答。
下面欢迎大家就人工智能方面的问题向 @dj-zhou周定江博士提问，请直接在本主题贴底下回帖提问。

dj-zhou

geren2014 发表于 2020-4-13 15:11
请推荐一个人工智能学习路线图？

首先要有基本的编程基础，这个相信大家都会有。
然后应该手把手地去学习其他人的项目，可以不用懂原理，但是要懂基本的流程。
然后可以熟悉各种模型，知道他们的优缺点，训练速度。
如果需要再深入的话呢，一切都是数学了，比如说基本的线性代数的理论，向量、矩阵的各种变换，属性，向量微积分，统计与概率、非线性优化。有深厚的数学基础的话，才不至于做调参侠。
重点还是要上手练习。

dj-zhou

yinwuqing 发表于 2020-4-13 17:16
机器人神经网络学习需要具备哪方面的知识？

机器人的话，如果以实践为主，就有电路、控制、通讯、电机驱动、传感器、图像处理等各方面的知识了。国内比较经典的教材有付京逊的《机器人学》，这本书比较老了，但是一直很经典，理论方面的知识也比较通俗易懂。国外的教材有李泽湘教授和Murray教授及Sastry教授的A mathematical Introduction to Robotic Manipulation，这本书也很老，发表于1994年，但非常经典，理论深度也非常深，比如讲了Twist和Screw Theory，这个在后来机器人的理论研究中用得非常多。也讲了李群和李代数，这个比较难懂，但是它很有用，比如SLAM的理论里面也用它，是不是很神奇？国外简单一些的教材，有Mark W. Spong的Robot Modeling and Control，在国外可以当本科生教材，和付京逊的书相差不是很大。难一些的书，有Kevin M. Lynch和Frank C. Park的Modern Robotics，用了比较多的李老师书里的知识。李老师的学生，Yi Ma的书，An invitation to 3-D Vision，也大量使用了李老师书里的内容。
（神经网络学习我另外回复一下吧）

dj-zhou

yinwuqing 发表于 2020-4-13 17:14
您好！晶圆测试需要采集什么样的数据？

晶圆测试可以采集图像数据吧。然后经典的图像处理的算法，应该可以做很多这方面的测试。比如，边缘检测，图像连通性分析，等等。如果采集了很多图像数据，后面也是可以用机器学习的办法来检测的。

dj-zhou

qwerasdf123 发表于 2020-4-13 15:55
工业机器人在PCB行业有哪些应用？

工业机器人可以代替重复的人工，减少错误，重要的是，可以让我们电路板打样变得非常便宜呀，而且打样时间变得非常短。当然，工业机器人也可以用作物流搬运的工具，这是目前机器人技术的一个发展方向。

dj-zhou

linuxzx1024 发表于 2020-4-14 14:53
大佬，我想问问目前前沿对专科应用类学生的安排是工具人还是辅助研发

是工具人呢还是辅助研发，这其实看个人的职业规划了。很多项目可能只需要调用一下模型，训练一下，就可以落地应用了，但这是属于研发呢，还是仅仅是把机器学习当一个工具使用了一下呢？这似乎并没有明确的区分。

dj-zhou

烈火狂龙 发表于 2020-4-14 11:05
兄弟，我来给你加油来了，

多谢烈火大哥！

dj-zhou

yinwuqing 发表于 2020-4-13 17:16
机器人神经网络学习需要具备哪方面的知识？

神经网络学习方面，如果是要深入学习它的原理，基本上都是数学知识了，包括线性代数，矩阵分解，概率与统计，状态估计。实际上，这些数学知识的基础，又是机器人理论的数学基础。数学方便，推荐一本最近刚出版的书，可以直接下载的，不过是英文版：Mathematics for Machine Learning。下载地址：https://mml-book.github.io/。我也正在学习（也可以说是在复习）这本书，感觉非常不错，知识讲解比较透彻。它的github上面还可以提issue的，发现typo什么的，都可以直接向作者提。
实践方面，主要是需要熟练使用目前比较流行的机器学习框架，比如tensorflow。国内也有开发了比较好的框架，比如旷视最近开源的天元。.

dj-zhou

crazyfree 发表于 2020-4-14 15:43
您好，我想问现在国内对于强化学习在机器人当中的应用主要有哪些？

强化学习区别于监督和非监督学习，不需要喂大量的数据，而是在“机器人”实际运行过程当中，慢慢地从运行的“经验”上获得反馈，慢慢让自己的运行更加符合实际需求。但是这里就有一个问题了，对于工业类的机器人，前面的不断试错(比如机器人行走过程当中碰到障碍物就知道这个行走的方向不对，以后不要走了），是不是可行的呢？似乎并不可行啊，工业机器人需要稳定性，需要在任何时候都不能撞到障碍物。目前来看，大部分应用就是在游戏里面了。几年前流行的一阵子的flappy bird的游戏，就有人做了个工具，盯着手机屏幕，玩，比人手操作要强多了，很可能就是用了强化学习的技术。
我所了解的信息也可能比较有限，希望早日看到强化学习在真实的机器人上的应用吧。

dj-zhou

一代睡神的崛起 发表于 2020-4-14 15:29
博士您好，人工智能(AI)对于从事电子行业的人来说也有不俗的应用场景，由于工作中涉及了许多机器学习方面的 ...

1.现在微控制器在市场取得了一些举足轻重的地位，NXP为了能够让微控制器满足跨界场景去提升工作主频去迎合边缘计算，从而替代一些低端的微处理器，对此我想问一下微控制器结合边缘计算来跑算法实现机器学习和深度学习的效率和性能是否真的满足？
答：这个要看你具体如何跑了。一般的应用都是在性能非常强大的台式机器上当训练，然后在微控制器上运行训练出来的结果（把训练出来的参数写到微控制器的程序里面去用）。我在展会上见过一些这样的应用，但目前来看，性能一般。当然具体的使用场景，对性能的要求也不一定。

2.目前关于人工智能的相关API大多数来自Tensorflow，Keras，Mxnet，这三种的是根据怎样的应用场景来选择的呢？还有简化版的Tensorflow-lite是否满足常规的AI运用？
它们之间其实是竞争关系吧。主要看谁最通用吧，因为遇到问题的话，使用的人越多，越容易找到解决办法。Tensorflow Lite目前只支持推断，还不能用于模型训练，后面可能会慢慢支持模型训练了吧。

3.机器学习中利用足量的数据计算出决策信息，但是这个决策并不能完全将行为信息判别（存在误差），那么在行为判别中怎样做才能够精确的计算出行为动作呢？
“精确的计算”本身就是不可能100%精确的，少量数据，可以训练一个识别成功率99%的的应用，多10倍数据，说不定能把99%提高到99.9%。另外 的0.1%的失败真就无法接受了吗？也不一定。如果是自动驾驶，0.1%的错误可能导致车毁人亡，显然不好接受。如果是产品的分拣，就算1%的失误率可能都不是问题，因为总是有弥补的办法。比如，只有99.9%肯定的良品，才放进良品库，没有那么肯定的产品，怎么办呢？重新检测一下，再区分一下。


4.人工智能与人工智障就一字之差，同时反映出了一旦算法不够成熟就可能导致意想不到的事情发生，怎样去训练模型才算正确的？
这个仁者见仁吧。

dj-zhou

电子月 发表于 2020-4-16 09:40
周博士您好！我是学硬件的，对机器人很感兴趣。我有个问题，就目前来说，硬件这方面有没有制约机器人的发展 ...

当硬件达到你所认为的“突破”之后，大家都能做你能做的事情，然而一定又会人能在已经“突破”了的硬件上做出更加“突破”的工作。从这个逻辑上来看，目前的硬件，其实是可以做很多有用的事情的。

dj-zhou

在你坠落之际 发表于 2020-4-16 09:46
您好！我总觉得目前生活中的人工智能还算不上真正意义上的人工智能，大概整个行业还需要多长的时间，让“人 ...

您说的对。目前的人工智能水平，和电影里看到的，是千差万别的，或者说，只是一些特定场景下的特定应用。行业的发展并不会要求人工智能突然大跃进。产业和技术是相互支持的，简单的话，就是技术的落地能推动产业发展，产业发展了又会有新的技术需求，推动技术进步。

dj-zhou

chencaining 发表于 2020-4-16 15:13
大佬，目前智能机器人发展到什么水平了，或者说有几岁的智商？

这个不好说呢。人个有所长，机器人也是个有所长的。下象棋的能比得过国际大师，但是它可能不会炒菜。

davidmok

dj-zhou 发表于 2020-4-17 00:23
每天花一些时间来学习呀。学习是持久的事情，也不会马上给你什么效果。当然和行业内的人们多交流，也是非 ...

大神说得对，要多交流！

dj-zhou

crazyfree 发表于 2020-4-14 15:43
您好，我想问现在国内对于强化学习在机器人当中的应用主要有哪些？

这个我可以再补充一下：
强化学习在导航和机械手操纵方面有一些应用。这两种应用从模拟转向现实的差距相对比较小，比较容易转化训练结果。比如导航方面，现在有一种研究方向是多层结构的强化学习，高层相当于管理者，发布类似于去开门，去拿钥匙这种抽象的指令，底层相当于执行者，去执行实现高层发布的subgoal，利用这种结构可以实现机器人更智能化的导航。

dj-zhou

liujincai 发表于 2020-4-17 14:39
目前热门的人工智能和大数据的核心是什么？

核心是支持这些技术的数学理论。

dj-zhou

yinwuqing 发表于 2020-4-21 13:57
博士哥，您好！关于人工智能的开发，目前有没有一款集成开发工具能够将所有AI芯片兼容，目前的MDK也没有完 ...

博士哥，您好！
----你好！

关于人工智能的开发，目前有没有一款集成开发工具能够将所有AI芯片兼容
----“人工智能”是个比较大的概念，所有有一点智能的东西，都可以和这四个字产生一些关联。当然也没有一款工具讲所有的功能都集中到一起了。就像人类一直在找一个公式，将一切物理现象都统一描述起来，目前还是失败的。

目前的MDK也没有完全覆盖
-----MDK只是一个工具而已，相信你是用来开发STM32单片机吗？目前国内很多这方面的教程，都是以MDK为开发环境来讲的。其实你可以试一下在Ubuntu下面开发STM32单片机，不需要这个软件的，开发流程也会方便，简单很多。有机会我可以写个这方面的教程分享给大家。而且、工具都是开源免费的工具。

未来使用机器人自主开发机器人程序，能否做到无需人工参与？
-----短期（十年二十年，基于三十年）不可能实现的，不要担心被机器人抢了你的饭碗。

现在的AI机器人主要以语音识别，机器视觉为主导，高考评阅试卷能否采用AI机器人参与评选？
-----是的，只有语音识别、机器视觉，在应用机器学习和深度学习的时候，特别容易商业落地。高考评分，其实不建议机器人评吧，毕竟很多情况下，机器学习只是给一个99.999...%这样的成功概率，谁想变成0.001%的那个被评错分的受害者呢？

但如果是语文、英语的作文，机器人又是怎么评分的呢？
-----这个不清楚了，但是目前真的是有AI机器人写新闻搞的，而且人区分不出来是人写的还是机器写的。

跟当前机器人的语言训练累积的数据库有关吗？
-----不清楚了。

dj-zhou

Q向涵Q 发表于 2020-4-21 11:08
博士好，我想问下人工智能目前是哪个领域应用比较多，目前作为一个普通人，依然还没有感受到人工智能的推广 ...

你看的新闻推送、淘宝上的产品推送，都是机器学习的成果。

dj-zhou

sylar.z 发表于 2020-4-20 20:25
周博士，您好。请问人工神经网络的硬件需求有哪些?用LPC55S69搭建人工神经网络平台怎么样？
...

LPC55S69 dual core Arm Cortex-M33 microcontroller running at up to 150 MHz。
从这个性能上看，做一些低要求的推理，还是可行的。但不能做训练平台。

dj-zhou

zxcv2014 发表于 2020-4-20 18:36
博士，您好

请问现在的机器视觉技术，在视频内容审核，比如音频，文字，图片，视频出现不良违规内容时，是 ...

似乎是可以的，之前有听说过自动扫黄的程序 。

dj-zhou

heroe1 发表于 2020-4-17 14:46
博士，您好，请问您是如何看待人工智能未来发展的应用与研究？

会给人类带来很多便利，同时也会给很多人带来商机。

geren2014

请推荐一个人工智能学习路线图？

qwerasdf123

工业机器人在PCB行业有哪些应用？

yinwuqing

您好！晶圆测试需要采集什么样的数据？

yinwuqing

机器人神经网络学习需要具备哪方面的知识？

烈火狂龙

兄弟，我来给你加油来了，

linuxzx1024

大佬，我想问问目前前沿对专科应用类学生的安排是工具人还是辅助研发

一代睡神的崛起

博士您好，人工智能(AI)对于从事电子行业的人来说也有不俗的应用场景，由于工作中涉及了许多机器学习方面的内容，我心里面有一些疑惑或者看法，想请教一下您。
1.现在微控制器在市场取得了一些举足轻重的地位，NXP为了能够让微控制器满足跨界场景去提升工作主频去迎合边缘计算，从而替代一些低端的微处理器，对此我想问一下微控制器结合边缘计算来跑算法实现机器学习和深度学习的效率和性能是否真的满足？
2.目前关于人工智能的相关API大多数来自Tensorflow，Keras，Mxnet，这三种的是根据怎样的应用场景来选择的呢？还有简化版的Tensorflow-lite是否满足常规的AI运用？
3.机器学习中利用足量的数据计算出决策信息，但是这个决策并不能完全将行为信息判别（存在误差），那么在行为判别中怎样做才能够精确的计算出行为动作呢？
4.人工智能与人工智障就一字之差，同时反映出了一旦算法不够成熟就可能导致意想不到的事情发生，怎样去训练模型才算正确的？