視覺語言導航：造就高智商機器人

文 程 呈 賈理理 韓 成

視覺語言導航技術的發展，讓人工智能離“像人類一樣”更近了一步。

有專家這樣說，人類開發人工智能的未來目標，如同現在科幻電影所呈現的場景一樣，智能機器可以獨立“看、聽、思、行”，具備像人類一樣的語言理解系統、視覺感知系統、自我理解與行動的能力，最終成為人類的完美“替身”。

如今，世界科技飛速發展，視覺語言導航技術日臻成熟，高智商的機器人正向我們走來。

視覺語言導航，指的是讓智能體跟著自然語言指令進行導航，同時理解指令與視角中可以看見的圖像信息，然后在環境中對自身所處狀態加以調整、修復，做出對應的動作，最終到達目標位置。比如，我們把機器人放置在一間臥室里，讓它去取放在另一間臥室里的足球。因為房間無法通視，機器人需要走出房間，經過走廊、客廳等場所，并通過推算看到的每一處環境信息，來判定下一步行進方向，最終定位找到足球。

在人工智能里，計算機視覺可以類比人類的眼睛。

由此可見，視覺語言導航涉及計算機視覺、自然語言處理和自主學習三大核心技術。

先進的科技成果往往備受軍事領域的青睞。世界許多國家已開始致力于視覺語言導航在人工智能上的拓展運用，打造智能戰爭機器，搶占打贏明天戰爭的前沿高地。

計算機視覺，讓智能機器“看清”世界

計算機視覺是一個跨領域的交叉學科，包括計算機科學、數學、工程學、物理學、生物學和心理學等。

在人工智能里，計算機視覺可以類比人類的眼睛，是在感知層上最為重要的核心技術之一。它能讓智能機器人靈敏地辨識“眼”前的一切，并對捕捉到的圖像數據信息進行分析識別、檢測、跟蹤等。嵌入計算機視覺技術的智能武器，可以通過視覺系統，精準辨識和區分目標的主次、真偽，大大提升作戰效率。

據悉，現在技術人員讀取由無人機傳回的戰場態勢數據，每天的工作時間要超過10個小時。這與瞬息萬變的未來戰場不相適應。然而，當計算機視覺技術應用于戰場智能偵察裝備前端時，可從海量信息中有效過濾無關信息，向作戰人員提供甄別處理后的視覺態勢圖，指揮決策效率隨之提升。

當前，世界發達國家的部分裝備已經開始應用該項技術。如美軍搭載計算機視覺技術的iRobot偵察機器人，就是其中之一。它可以警告作戰人員有伏擊或其他危險，經過處理的態勢感知，能夠明確指出目標坐標，或提示危險等級。該偵察機器人還可準確傳回有價值的態勢視頻與相關建議指令，縮短己方在戰場上的決策周期，從而把握行動優勢。

近年來，俄軍也在大力開發人工智能系統。其自主研制的陸戰機器人，可在遙控下完成巡邏、偵察、追蹤、阻截、攻擊等任務；形似軍犬、快速奔跑的機器人，可供火線運輸彈藥給養；鏟車式機器人，可將戰場上的傷員用鏟斗送回后方等。俄軍部分導彈也已裝有人工智能設備，在導彈飛向預定目標時，若人工智能設備在途中甄別出價值更大的目標，導彈可自動轉向進行攻擊。在這些先進的武器中，都能看到計算機視覺的影子。

在民用領域，計算機視覺技術已陸續應用到安防、自動駕駛、醫療、消費等活動中。這也是當前人工智能細分領域中發展最快、應用最廣、炙手可熱的技術之一。

隨著算法的更迭、硬件算力的升級、數據的大爆發，以及5G帶來的高速網絡，無論在民用領域還是軍用領域，計算機視覺技術的應用將會有更大的空間。

自然語言處理，讓智能機器“聽懂”指令

簡單地說，自然語言處理就是用計算機來處理、理解以及運用人類語言（如中文、英文等），它屬于人工智能的一個分支，是計算機科學與語言學的交叉學科，又常被稱為計算語言學。

自然語言處理的歷史發展大致經歷了3個階段：20世紀40年代到20世紀50年代屬于萌芽期，英國科學家艾倫·麥席森·圖靈的計算機算法模型為現代計算機科學奠定了基礎；20世紀60年代到20世紀80年代屬于發展期，機器翻譯技術日漸成熟，并被應用于實際生活；20世紀90年代后屬于繁盛期，隨著計算機計算量、計算速度以及萬維網的爆炸式發展，自然語言處理技術也隨之在更多方面得到長足進步。

眾所周知，語言是人類區別于其他動物的根本標志之一，沒有語言，人類的思維也就無從談起。所以，自然語言處理技術體現了人工智能的最高任務與境界。也就是說，只有當智能機器具備了處理自然語言的能力，才算實現了真正的智能。這樣，人類才能與機器人進行無障礙語言溝通。

如今，自然語言處理在軍事上的應用越來越多。比如，在指揮控制上，通過高辨識度的語音系統，指揮員可以在作戰中直接用語音實時控制雷達、無線電、火力等作戰單元，省去煩瑣的指揮流程，集中精力專注于作戰謀劃；在通信保障上，語音增強技術能夠減弱噪聲對智能機器語音信號的干擾，減少聽話人的疲勞和溝通失誤；在人機交互上，典型代表是人機口語對話系統，人類通過自然口語與復雜的智能機器系統進行交互，包括語音識別、語言理解、語言生成、語音合成、對話管理和知識庫等。

提起“臺風”戰斗機，相信軍迷們都不會陌生。它是由英國、德國、西班牙、意大利聯合研發的，最大的技術亮點是搭載了直接語音輸入系統，飛行員可以通過語音下達命令，控制戰機的傳感器、武器以及自衛系統。

除此之外，自然語言處理在不少國家的醫學、互聯網監控、執法部門的犯罪預防以及大數據反恐應用等領域也很受歡迎，極大地提升了任務執行效率。

自主學習，讓智能機器“蛻變”成長

嬰兒剛出生時，只會用眼神、哭泣、歡笑與周圍的人交流。隨著一天天長大，他們不斷擴大接觸觀察范圍，學會了走路、說話、做游戲等，慢慢建立起自己的思維體系。這就是人類的一個自我學習成長過程。人類大腦擁有860億個神經元、數萬億個傳遞信息的結構——神經突觸。神經突觸的重要特征是具有可塑性，即允許神經元對記憶進行編碼、學習和自我修復。

人工智能的自主學習技術，就是讓機器人像擁有人類大腦、甚至超越人類大腦一樣，可以通過思考學習實現自我完善。在很多人眼里，自主學習能力是人工智能與人類智能的天然鴻溝。當前，伴隨該項技術的發展，這一鴻溝正在被逐漸填平。

2019年11月，在捷克布拉格召開的第二屆計算機視覺與模式識別國際會議上，評分第一的論文主要貢獻就是為智能機器提供了自主學習反饋機制，讓其自主導航時能夠實時詢問自己的知識儲備。

“這條路對嗎？”“到目的地了嗎？”……擁有學習反饋機制的智能機器，根據預設環境信息與實際對比，在行動過程中形成“是非”觀念，讓智能機器真正變成有思想的“機器人”。

究其根本，智能機器“是非觀”的形成，離不開強化學習，這種學習方式是當今人工智能最熱門的研究領域之一。

說到這里，我們不能不提無師自通的“圍棋高手”阿爾法元（AlphaGo Zero），它的一鳴驚人也正是利用了新的強化學習方式。從一個對圍棋“零”儲備的神經網絡開始，接著與強大的搜索算法相結合，神經網絡在博弈中不斷被調整更新后，與搜索算法再次重新組合，循環往復，系統性能經過每一次迭代持續提高，使得神經網絡預測越來越精準，阿爾法元也擁有了“戰無不勝”的本領。可以說，它也讓人工智能離“像人類一樣”更近了一步。

如果把自主學習技術應用于軍事無人裝備上，并按照戰斗力水平劃分等級，那么自主學習級和智能對抗級應該屬于“王者”級別。自主學習級，就是不再局限于人為提供的學習樣本，可以邊執行任務邊組織學習，并且遇強更強，靈活應對任務過程中出現的未知事件；智能對抗級，是指無人裝備在具備自主學習智能水平的基礎上，形成自身的核心價值，能夠短時間內適應未知的任務環境，迅速理解周圍局勢并做出判斷，完成作戰任務。

從近幾年的技術突破來看，智能機器感知環境、識別語言、自主學習的能力越來越強大。這些能力的提升，不僅使智能機器成為人類分擔任務的得力幫手，也或將讓它成為未來戰場的主角。