尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
智東西（公眾號：zhidxcom）
編譯 | 熊大寶
編輯 | 李水青
智東西3月25日報導，最近，據國際學術頂刊《科學》旗下子刊《科學·機器人學》（Science Robotics）刊登的文章，德國萊比錫大學研究者將微型遊泳機器人與機器學習結合起來，依托AI技術，微型遊泳機器人能更快達到目標，未來還可進行「自主」思考，記住運動過程。
微型遊泳機器人，體積通常只有2微米寬，是模仿細菌在液體中的運動行為而設計的。如此微小，意味著它們會受到流體顆粒的沖擊，很難持續遊行。
與細菌不同的是，它們不能修正自己的行動方向，只能傾向於進行布朗運動（浮在液體或氣體中的微粒所作的永不停息的無規則運動）。德國萊比錫大學的弗蘭克·奇科斯（Frank Ci chos）說：「一個真正的細菌可以自我感知並決定去向，因為它想要食物。」
如何讓微型機器人更像細菌一般自由遊走？
奇科斯和同事決定給他們的微型遊泳機器人一個「大腦」：一個機器學習算法。
一、溫差驅動，算法追蹤進行目標獎懲
奇科斯團隊的微型遊泳機器人是一團三聚氰胺樹脂，其表面覆蓋了覆蓋了30%的金奈米粒子。他們將一束狹窄的激光束對準機器人表面的一個點，加熱金奈米顆粒，通過溫度差驅動，使得微型遊泳機器人穿過流體。
機器學習算法——這一微型遊泳機器人的「大腦」就在附近的計算機上運行。奇科斯團隊的實驗研究超越了以往純粹的計算機研究，能夠觀察到整個機器學習過程的優化參數，根據其動態建立基本的資訊模型。它跟蹤機器人的運動，並指示激光在其表面的一個精確點發射，使其更接近目標。
如果該指令使微型機器人更接近其目標，則算法得到獎勵；如果指令使微機器人進一步遠離目標，算法則得到懲罰。
二、7h訓練，指令可縮減至1/6
隨著時間的推移，算法從這些獎勵和懲罰中能夠學習到：哪些指令最適合讓微型遊泳機器人快速有效地到達目標。
經過7個小時的訓練，微型遊泳機器人達到目標所需的指令數量，成功從600個減少到100個，減幅達83%。
在學習過程的不同階段，微型機器人呈現出不同的行為特點。在開始階段，微型機器人通常在網格世界的任意位置。隨著學習訓練的增加，微型機器人的軌跡變得更為持久，運動目標也更為明確，為實現目標而採取的平均行動步驟也不斷減少。
機器學習算法幫助微型機器人在液體中遊動更好的朝著目標運動，而不會被隨機運動的微粒干擾「旅程」。
英國謝菲爾德大學的喬納森·艾特肯（Jonathan Aitken）說道：「研究微生物運動，對於生物學和生物醫學科學的發展具有重要意義。」「模仿微生物的運動很難，但這種模仿能更讓我們了解到它們的性質和在環境中的重要作用。」
三、「受控」到「自控」，還需化學信號的引入
目前，微型遊泳機器人的控制系統還位於機器外部，但奇科斯希望引入化學動力信號，讓微型機器人的結構類似於我們的身體，在未來進行「自主」思考。
奇科斯說：「我們決定將微型遊泳機器人與機器學習結合起來，這有點像我們在生活中做的事情。」「我們體驗所處的環境，根據所做的事情的成功與否，判斷是否會將其銘記於心。」
結語：AI正加速自主微型機器人發展
機器學習是人工智慧的核心，是使計算機具有智能的根本門路。微型機器人的智能化探索，將逐漸增加其自身技能，未來除「遊泳」外還能大顯身手，在靶向治療、藥物運輸、環保等場景下為人類帶來更多福音。
凱文·凱利在《失控》中曾提到：機器，正在生物化；而生物，正在工程化。微型機器人向活體微生物的「進化」，正是對這一預言的印證。
來源：New Scientist