耶魯教機器人不要亂用人的東西

在獲得優質教育方面，機器人可能比耶魯大學的課程更糟糕。常春藤聯盟大學的機器學習研究人員最近開始教授機器人關于社交互動的細微差別。而且沒有比擁有更好的起點。

人類學習的最早的社會結構之一是所有權的概念。那是我的瓶子。給我一只泰迪熊。我想要那個糖果吧，如果你現在不給我買它，我會讓你的生活變得生硬。

另一方面，機器人中沒有一粒維魯卡鹽，因為所有權是一個人的想法。盡管如此，如果您希望機器人避免接觸您的東西或與某些東西進行交互，您通常需要硬編碼某種限制。如果我們希望他們幫助我們，清理我們的垃圾，或者組裝我們的宜家家具，他們將不得不理解一些物品是每個人的，而其他物品是不受限制的。

但沒有人有時間教一個機器人世界上每一個物體，并為每個物體編制所有權協會。根據該團隊的白皮書：

例如，有效的協作機器人應該能夠區分和跟蹤無主工具與協作者臨時共享的工具的權限。同樣地，垃圾收集機器人應該知道丟棄空的汽水罐，而不是珍貴的照片，甚至是未開封的汽水罐，而沒有為每個可能的物體詳盡列舉這些許可。

耶魯大學的團隊開發了一個學習系統來訓練機器人學習和理解背景中的所有權。這使得它可以在觀察人類并響應他們的指示的基礎上，即時開發自己的規則。

研究人員創造了四種不同的算法來為機器人的所有權概念提供動力。第一個使機器人能夠理解一個積極的例子。如果研究人員說“那是我的”，那么機器人知道它不應該碰到那個物體。第二種算法則相反，當一個人說“那不是我的”時，它讓機器知道一個物體沒有關聯。

最后，第三和第四算法使機器能夠在其被告知某些內容發生變化的情況下，將規則添加到其所有權概念中或從中減去規則。從理論上講，這將允許機器人處理所有權變更，而無需機器學習相當于軟件更新和重新啟動。

如果機器人能夠不引人注意地融入我們的生活，它們將對人類有用。如果機器不知道如何圍繞人類“行動”，或遵循社會規范，它最終會變得具有破壞性。

沒有人希望清潔機器人從他們的手中拿出一個咖啡杯，因為它檢測到臟盤子，或者扔掉雜亂的桌子上的所有東西，因為它無法區分雜亂和垃圾。

耶魯大學的團隊承認這項工作還處于起步階段。盡管這些算法(你可以在白皮書中深入研究)提出了一個強大的工作平臺，但它們只針對所有權概念的一個非常基本的框架。

接下來，研究人員希望教導機器人了解超出其自身行為能力的所有權。這可能包括預測算法，以確定其他人和代理人如何觀察與所有權相關的社會規范。

在未來將被機器人，但是，由于研究人員像那些在耶魯大學建，他們會知道它屬于人類。