当今，真正的无人驾驶汽车不应该是具体的如何操作问题，不应是基于工程师编制的那一套庞大的规则做出决定。因为这并非是真正的自动驾驶，并非是真正的自主决策。 Prowler的创始人兼CEO Vishal Chatrath将他以前的AI公司卖给了苹果公司，他认为强化学习和相关技术对于建设真正的无人驾驶汽车至关重要 ——汽车自己可以做一切人类驾驶者能做的事情。

　　在柏林，j2直播，如同Google一样，Micropsi已经将这些技术推广到现实中。 该公司成立于2014年，着眼于为制造业及其他工业目的来制造机器人。它首先建立了机器人模拟系统，通过强化学习进行训练。 公司网站上的视频展示了这样一个系统：一个虚拟机器人手臂正学习用虚拟手指的指尖来使虚拟杆保持平衡。 该系统模拟重力和机器人动作，并且奖励功能自动追踪该虚拟杆掉落与否。 “为使虚拟杆不掉落，我们每秒钟给机器人一个cookie，”Vuine说。 “如果杆掉了，就惩罚它。”现在，公司正在将这些相同的技术应用到一个称为通用机器人的现实机器上。

　　3.现实的问题

　　麻烦的是，现实世界也需要新技术。Vuine声称他的公司可以解决计算机模拟中出现的任何机器人问题，但模拟毕竟只是模拟，并非现实。 “如果你在模拟中做到了，那么在现实中也不一定可以做到，”他承认这一点，“现实情况很难完全模拟出来。”换句话说，你可以通过模拟来构建一个能够保持虚拟杆平衡的机器人，但是要教它将插头插入插座，则需要真正的插头和插座。”

　　由于有一个明显并简单的奖励机制，将插头插入插座的任务无疑十分容易。然而，现实中的大多数行为更难以评价。当你将诸多任务串在一起时，这些奖励系统会变得非常复杂。 Carnegie Mellon研究员Abhinav Gupta正在使用来自Google的资金探索类似技术，希望解决如何在短期内有效地使用强化学习的问题。

　　Chatrath认为，至少现在，要现实世界中真正应用AI，最好方法是先通过那些小而简单的机器实现，比如说玩具 。这一设想的原理很简单：系统可以通过学习使用简单的机器，将他们所学到的应用到更复杂的机器上。很明显，机器人不只是有一种学习方式。他们的学习方法有很多。

　　机器们已经开始学习了。

　　原文来自：wired