配送SHOW

自動駕駛配送機(jī)器人

2018年6月18日，京東配送機(jī)器人在北京開啟了全球首次全場景常態(tài)化配送運營。

調(diào)度平臺發(fā)出命令后，配送機(jī)器人依次出發(fā)，自動奔向訂單配送目的地。機(jī)器人有大有小，最多同時配備30個取貨箱，行駛速度最高15千米每小時。

通過雷達(dá)+傳感器進(jìn)行360°環(huán)境監(jiān)測，它們能自動規(guī)避道路障礙與車輛行人，準(zhǔn)確識別紅綠燈，自主停靠配送點。

即將到達(dá)目的地時，后臺系統(tǒng)會將取貨信息發(fā)送給用戶，用戶可選擇人驗識別、輸入驗證碼、點擊手機(jī)APP鏈接等三種方式取貨。

Big Data·大數(shù)據(jù)

數(shù)據(jù)來源于公開資料整理

01 全球服務(wù)機(jī)器人研究熱點

02 2018年中國網(wǎng)民購買服務(wù)機(jī)器人考慮因素分布

03 中國服務(wù)機(jī)器人市場規(guī)模預(yù)測

04

（1）2018中國掃地機(jī)器人用戶對產(chǎn)品性價比滿意度

（2）2018中國早教服務(wù)機(jī)器人用戶對產(chǎn)品教育功能滿意度

（3）2018中國客服機(jī)器人服務(wù)用戶關(guān)于產(chǎn)品替代人類服務(wù)看法

05 機(jī)器人類別

政策助力、陪伴需求、替代人力、可支配收入提升、科技成本降低等是服務(wù)機(jī)器人發(fā)展的驅(qū)動力

06 AI人才薪資

根據(jù)獵聘的數(shù)據(jù)，AI人才缺口擴(kuò)大，各細(xì)分領(lǐng)域招聘量逐年攀升，且薪資比IT技術(shù)崗位要高許多

2017年AI細(xì)分領(lǐng)域崗位與IT技術(shù)崗位平均年薪

聽TA說

@冷哲

（武漢大學(xué)軟件工程專業(yè)，NLP高級算法工程師）

我在阿里AI實驗室做NLP（自然語言處理）高級算法工程師。每天早上，我們會開一個展會，匯總過去24小時收集到的用戶反饋，討論解決方案，并安排相應(yīng)人員解決這些問題。

自然語言理解模型的優(yōu)化是一個持續(xù)的過程，這里面涉及我們對深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的調(diào)整，對訓(xùn)練方法的優(yōu)化，所以我們每天會花一定時間去跟蹤最新的技術(shù)動態(tài)和論文。同時我們也會按研發(fā)計劃做實驗，逐步推進(jìn)技術(shù)的進(jìn)步。

現(xiàn)在線上每天有大量用戶使用我們的NLP服務(wù)。在阿里的技術(shù)體系里，服務(wù)的可用性是底線，所以每天睜眼后，我最大的壓力一部分就來自擔(dān)心我們的服務(wù)會不會出故障。

目前人工智能實驗室研究的方向包括自然語言理解、知識圖譜、語音識別、聲音信號處理、計算機(jī)視覺、機(jī)器人控制、硬件研發(fā)、云端技術(shù)研發(fā)。我們還有市場部和產(chǎn)品部門的同學(xué)，來自不同背景的同學(xué)聚集在一起，彼此可以分享很多東西，有助于擴(kuò)展知識與眼界。

有人說，自然語言理解是AI領(lǐng)域排名第一的難題和挑戰(zhàn)，確實如此。不同于語音和圖像的感知智能，語言是認(rèn)知智能，如果機(jī)器可以實現(xiàn)完善的自然語言理解，那我們距離科幻片中的人工智能就很近了。

機(jī)器自然語言理解能力的提升是一條漫漫長路，甚至需要基礎(chǔ)科學(xué)的突破。我希望能通過最前沿的技術(shù)，讓更多的人能享受智能時代帶來的便捷。

@請叫我小學(xué)生

（浙江大學(xué)數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)，機(jī)器學(xué)習(xí)）

做機(jī)器學(xué)習(xí)是在復(fù)雜工作中建立數(shù)據(jù)產(chǎn)品。機(jī)器學(xué)習(xí)有兩大難點，一是處理數(shù)據(jù)格式、不兼容和報錯，二是訓(xùn)練特別脆弱的深度學(xué)習(xí)模型。

處理數(shù)據(jù)的不一致和報錯經(jīng)?；靵y且費力。人們有時會將機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)分開，因為對機(jī)器學(xué)習(xí)來說，有時會直接用清洗過的數(shù)據(jù)進(jìn)行訓(xùn)練。然而在我的經(jīng)驗中，數(shù)據(jù)清洗和訓(xùn)練模型是相關(guān)的：我常在訓(xùn)練模型時發(fā)現(xiàn)問題，只能改變輸入數(shù)據(jù)的預(yù)處理方法。

關(guān)于訓(xùn)練深度學(xué)習(xí)模型很脆弱，很多新手在一開始訓(xùn)練模型時很容易受挫，即使是專家也常感到沮喪。這表明訓(xùn)練過程并未自動化，如果有某些能穩(wěn)定訓(xùn)練深度學(xué)習(xí)的方法出現(xiàn)，對這個領(lǐng)域來說一定是個巨大的進(jìn)步。

做學(xué)術(shù)研究，我常以谷歌工程師D.Sculley等人所說的話自勉：“‘技術(shù)債是工程師和學(xué)者都必須意識到的問題。如果研究出的解決方法只對精確度有微小的提升，卻讓系統(tǒng)復(fù)雜性大大增加，那么這一定不是一個明智方案……解決‘技術(shù)債也許不總是誕生新的理論，但卻是創(chuàng)新的重要一環(huán)。而發(fā)展針對復(fù)雜機(jī)器學(xué)習(xí)系統(tǒng)的全面、優(yōu)雅的解決方案才是真正有意義的工作。”

@木木木白

（中國科學(xué)技術(shù)大學(xué)計算機(jī)科學(xué)與技術(shù)專業(yè)，人工智能研究員）

我在微軟亞洲研究院做研究員，研究方向有用戶模型、推薦系統(tǒng)、深度學(xué)習(xí)、情感檢測、時空數(shù)據(jù)挖掘等。

我的博士生涯基本是在研究院度過的。這里有寬松自由的學(xué)術(shù)氛圍，我能探索自己感興趣的研究;這里有最前沿的科技進(jìn)展，我能深刻觀察技術(shù)的趨勢;這是一個智商和情感密度都極高的地方，碰到難題時總能找到人幫自己拓展思路。

成為正式員工后，我有了一些不同的感受。首先是對自己的定位，實習(xí)時更多的是從參與的角度去完成公司的項目，而現(xiàn)在則需要擔(dān)任項目領(lǐng)導(dǎo)的角色，不僅要爭取資源，還要決策方案，協(xié)調(diào)項目進(jìn)展。

我一直在做人工智能領(lǐng)域相關(guān)的研究。在我看來，個性化的機(jī)器人在未來會扮演越來越重要的角色?，F(xiàn)在市場上的機(jī)器人已經(jīng)開始進(jìn)入生活的方方面面，隨著用戶數(shù)據(jù)的累積，這些機(jī)器人會越來越人性化，變得像你的朋友或家庭成員。

情感計算也很有潛力。除了完成任務(wù)和功能強(qiáng)化，人們普遍希望能擁有并使用更為人性化的計算機(jī)和智能設(shè)備，甚至開始期盼它們能像人一樣具有情感，能夠與人自然、親切的交互，能體會人的喜怒哀樂。

科研的過程是艱辛的，但如果擁有強(qiáng)烈的興趣，我想我們將會取得更好的成績。