第4章 困境中的恩爱
卡本的困境是一个行业技术向前推进的自然状态🌹，探路的人永远比走路的人艰辛🎈，同样的❓，如果这个探路者找到一条新路❌，他就有机会收获最大的价值🌒。?????笔??趣阁?ｗ?ｗ?ｗ?．?ｂ?ｉ?ｑｕｇｅ．ｃｎ
在莫回的概念里🎷，卡本所面临的障碍基本上都是工程技术障碍✅，理论障碍非常少👋，人类展大现在这个阶段🌞，生活服务机器人实际上在各个主要的基础理论领域已经成熟🏌，无非是在工程技术上存在大量的难题🐷。
做个简单的类比🎦，内燃机的理论模型很早就已经建立起来了🍠，但是后面一代代的内燃机不断的更新换代🌑，技术不断向前推进🌀，实际上并不是理论上获得了什么突破🆔，只不过是内燃机的工程技术上日臻完善🐸。
如果我们抛开材料技术等周边学科的进步🍙，单独谈论内燃机的技术进步⛵，就会现它的进步在原理上并没有脱离最初的理论模型🐸，无非是热效率的不断提高✨，功率的不断提高🎳，这些进去都是工程技术上的进步🌷。
现在在机器人领域面临的就是这个问题👂，主要领域的理论技术已经不是障碍🌟，现在只是需要进行工程技术上的突破🏐，理论上可行了🍿，还必须要在工程上实现它🌯。
现在机器人卡壳的几个关键领域🏈，图像识别✖、语音识别🆔、人工智能🐮、定位与导航🌑，准确来说也谈不上卡壳👯，只不过现有技术实现效果不佳🎠。
就好像早期的蒸汽机🏹，压力不行🏤、密封不行👑、传动不行⏸、机械结构也不成🐢，导致整体效率非常低下🐏，只能在矿井里负责排水🐐，应用场景和市场接受度受到非常大的限制🏺。
现在的机器人也是这个状态👪，整体来看👭，每个领域的都有技术能够用上🏰，但是性能都不咋地🐓，组合起来的整体就显得更差🍄，往往挺昂贵的东西⏺，但是真正用起来就是一时新鲜❄，应用性和工作效率很差🏅。
说白了🍢，现在的生活服务类机器人🎙，有太多领域需要加强🍐，这些领域的技术太低🐶，导致机器人整体的应用性能始终提不上去🏞。
不过有个好处就是🏈，所有相关技术都有🍿，不至于说出现一个暂时完全无法解决的技术空白领域🈳，有没有的问题已经解决🏑，现在正在解决好不好的问题⏮。
比如图像识别技术🐕，这个技术很早就有🅰，从这个技术延伸出来很多相关的应用技术⏱，比如百度的搜图🈵，比如人脸识别🐊，比如三维重建等等♌，都是从这个技术延伸出来的🍼。
库卡面对的是标准化可设计场景⛓，而卡本面对的是随机不可控场景✂，并且突事件很多🐣，所以相对来说🌝，卡本面对的技术难度要远高于库卡🎣。只不过库卡倾向于精度和效率🍶，卡本倾向于可用性和智能性🎥。
卡本的收购成本并不高♋，并且它算是在生活服务机器人领域走的最远的✔，莫回拿下卡本的一个主要的考虑是尝试利用极本加研进程🌛。
目前极本的运算能力是常的🐷，智能性也还不错♋，虽然未必是最强的🎍，至少在各大实验室研的aI中算是第一梯队的🍖。
极本对卡本可能提供的帮助应该在模拟和排错上👈，比如图像识别🌽，想要获得一个应用效果比较好的图像识别技术🍏，关键就在算法和无监督自我学习的智能性上🎅。
莫回采取的是笨方法➿，当卡本被收购之后♟，让卡本团队在图像识别领域提供一个演进模型🏥，这个模型实际上是一个训练模型👰，通过海量样本进行人工智能的训练和学习🏷。同时让他们提供图像识别领域所有可能的算法🐴，无论这个算法有效性如何🏷。
莫回依托上帝之手可调用的资源相当多🎣，他不仅要求卡本提供🎺，还联系了很多在这个领域进行研究的科研和商业机构👞，让他们提供类似的东西🆔。
莫回做的事情实际上是尽量将这个领域的算法穷举⛺，同时将这个领域的研究方法穷举⛲，然后利用海量的样本让极本进行无穷比对和组合👂。
严格来说他这不算是科研👛，他是利用极本的计算力优势🈺，不停的排列组合🏟，穷举所有可能性🍩，在其中找到可能的道路🌤。
这个方法虽然很笨🎌，但是在某型领域确实能够起到效果🍞，实际上大数据提取出来的各种规律和关联性✉，都是利用各种算法⌚，通过类似的方式🎨，寻找隐藏的或然关系的♟。理论上来说某些科研也类同于穷举🐽，白炽灯的明其实就是穷举所有可能材料🌈，最终选中了钨🏵。
极本的第一次科研是在阿朱这个人工智能的帮助下磕磕绊绊进行的🍜，好在极本的运算度非常快🐲，技术瞬间就会给出结果🉑，无论面对多大的样本库🍎。
所以莫回的科研进度很快🍥，他能够在一天只能调整数十次计算模型♌，不断试错不断碰撞🎑，寻找可能正确的道路🏩。
以图像识别技术为磨刀石🐿，莫回不断的磨砺极本进行科研的应用办法✉，不断的调整✍，不断的尝试➿，在持续的互动调整中🍡，极本慢慢将其强性能挥出来🎌。
当极本的科研方法基本有了雏形的时候♐，一个应用性能已经差强人意的图像识别出炉了🎞。它的算法是极本通过无数次推衍和演化之后形成的🏞，它的智能模块经过数以亿记的图片和视频的训练🌠，已经拥有足够的适应性🆚。
这个图像识别技术很快给到卡本团队进行了应用性测试🎵，结果现它已经能够通过照片和视频识别家庭中大多数常用物品🐺，能够分辨宠物🐜，能够辨别移动物体🍰。
做到这一点🏣，实际上在视觉识别模块上🌑，已经差不多能够满足生活机器人的需求了🈵，后面需要做的就是基于这个技术🐏，延展其他功能🎇，比如距离判断🆖，路径规划🍳，自身定位等等🉐。
对于莫回来说🍭，最大的收获不是这个图像识别技术🏎，而是为了研这个技术的过程中🎎，极本摸索出来的科研模式和方法🐭。
有了第一步就好🍟，莫回将其程序化🏪，变成一款带着自学习能力✋，拥有相当智能性的全新模块——科研1.o(未完待续🌻。)
本章未完，点击下一页继续阅读