共享單車下半場(chǎng)，日漸迎來(lái)尾聲了。此前，筆者獨(dú)家獲悉，酷騎單車致信員工稱，目前公司資金確實(shí)非常緊張，甚至可能會(huì)影響到公司的正常運(yùn)營(yíng)，讓員工自愿選擇去留。

繼重慶的悟空單車沒(méi)搞幾個(gè)月就宣布倒閉后，又一家共享單車面臨資金困局。尤其是酷騎單車被指出現(xiàn)押金“退款難”問(wèn)題，部分用戶無(wú)法在平臺(tái)承諾的7天內(nèi)收到退款，且客服無(wú)人接聽(tīng)。更有公司前員工向記者爆料，酷騎單車和P2P公司共用財(cái)務(wù)，員工自己都偷退押金。

除了酷騎單車，陷入資金困局的還有小鳴單車。因8月以來(lái)小鳴單車退還押金的消費(fèi)者投訴激增，廣州市消委會(huì)發(fā)出調(diào)查函督促企業(yè)盡快實(shí)現(xiàn)押金“即還即退”。從共享單車屢被曝出資金困境來(lái)看，市場(chǎng)即將迎來(lái)終局的信號(hào)釋放的愈加明顯。

6月底，ofo創(chuàng)始人戴威表態(tài)，ofo在2018年能實(shí)現(xiàn)海內(nèi)外全面盈利；前兩日，ofo投資人朱嘯虎便在復(fù)旦首席經(jīng)濟(jì)學(xué)家論壇上放言，“摩拜和ofo合并才能盈利”。這恰恰說(shuō)明，面對(duì)共享單車目前兩極爭(zhēng)霸帶來(lái)的巨額投入，投資人無(wú)法看到短期內(nèi)盈利的可能性，因此希望走回網(wǎng)約車的老路，通過(guò)摩拜和ofo合并，最大限度地占據(jù)市場(chǎng)份額，從而持續(xù)放大規(guī)模效應(yīng)，尋求通過(guò)降低邊際成本等路徑獲取其他收益。

ofo和摩拜尚屬業(yè)內(nèi)龍頭，對(duì)于二三梯隊(duì)成員來(lái)說(shuō)，前路更加艱辛。據(jù)不完全統(tǒng)計(jì)，截至2017年7月，全國(guó)共有共享單車運(yùn)營(yíng)企業(yè)近70家，累計(jì)投放車輛超過(guò)1600萬(wàn)輛。這意味著除了摩拜和ofo，剩下60多家第二、第三梯隊(duì)共享單車企業(yè)的日子更難過(guò)，畢竟它們無(wú)法獲得摩拜和ofo如此多的融資，也不具備與之相對(duì)應(yīng)的市場(chǎng)投放量。而隨著各地對(duì)于共享單車投放設(shè)置限制性條款，以及一二線城市的需求量飽和，第二、第三梯隊(duì)共享單車企業(yè)不可能像摩拜和ofo一樣，再通過(guò)高速擴(kuò)張的故事來(lái)吸引投資人。

尋回網(wǎng)約車的老路，并非不可能，但步子卻賣得有點(diǎn)大。

相比網(wǎng)約車可以做社會(huì)化車輛的增量，共享單車最大的問(wèn)題在于，只能靠自己投放，這是典型的重資產(chǎn)運(yùn)營(yíng)。一旦融資無(wú)法支撐，資金鏈很容易斷裂。不久前，已經(jīng)上市的永安行砍掉共享單車業(yè)務(wù)逾六成股權(quán)，對(duì)于這次出讓股權(quán)的原因，永安行明確表態(tài)稱，是對(duì)共享單車業(yè)務(wù)不看好。永安行半退出共享單車市場(chǎng)，以及悟空單車倒閉、酷騎單車爆出資金危機(jī)，是共享單車市場(chǎng)洗牌的印證。

不過(guò)，對(duì)于用戶而言，最擔(dān)憂的還是押金及其他權(quán)益可能因此受到損害。

正因如此，對(duì)于這場(chǎng)市場(chǎng)洗牌，監(jiān)管層需要保持足夠敏感性。比如，對(duì)所有共享單車企業(yè)構(gòu)建信息聯(lián)動(dòng)機(jī)制，有必要提上日程了。

尤其是用戶押金方面，雖然之前已有北京、天津、深圳、成都、上海、南京、濟(jì)南、?？?個(gè)城市先后發(fā)布了征求意見(jiàn)稿或管理辦法，要求共享單車“押金”由第三方監(jiān)管，但從意見(jiàn)稿、管理辦法到實(shí)際執(zhí)行之間存有不短的時(shí)間差。在如今已成紅海的共享單車市場(chǎng)，時(shí)間關(guān)乎著生死，更關(guān)乎用戶權(quán)益。

如何制定完善的信息聯(lián)動(dòng)機(jī)制，并盡快落地，真正讓共享單車的用戶押金管理規(guī)范化，是監(jiān)管亟待解決的下一問(wèn)題。

當(dāng)前，共享單車進(jìn)入政策出臺(tái)密集期，資金放量、用戶放量所帶來(lái)的野蠻生長(zhǎng)時(shí)代一去不復(fù)返。面臨接下來(lái)或?qū)⒊霈F(xiàn)的共享單車倒閉潮，相關(guān)部門要加緊細(xì)化監(jiān)管規(guī)則，做好防火墻，如此才能倒逼行業(yè)發(fā)展趨于規(guī)范，走向理性。

人工智能+專家+高性能計(jì)算>頂級(jí)專家

其中“人工智能”就是搜索技術(shù)、剪枝技術(shù)，高性能計(jì)算就是那些芯片，專家是加入深藍(lán)小組的一些國(guó)際象棋大師級(jí)棋手。所以，這件事意義非凡，這是人類歷史上第一次人工智能在復(fù)雜博弈問(wèn)題上戰(zhàn)勝人類。在這一點(diǎn)上，深藍(lán)的貢獻(xiàn)超過(guò)了阿爾法狗。

下面就到圍棋了，看一下阿爾法狗是怎么做的。兩個(gè)所謂的“大腦”就是兩個(gè)神經(jīng)網(wǎng)絡(luò)。這樣一說(shuō)其實(shí)又容易給我們?cè)斐梢恍┱`區(qū)，好像阿爾法狗技術(shù)跟以前的人工智能博弈沒(méi)有關(guān)系，其實(shí)不是的。

這兩個(gè)網(wǎng)絡(luò)在理論上都是我前面跟各位介紹的決策論模型中的東西，都是馬爾可夫決策里面的東西。但是它是有創(chuàng)新的，通過(guò)引進(jìn)機(jī)器學(xué)習(xí)技術(shù)，直接學(xué)習(xí)Policynetwork和Valuenetwork，繞過(guò)了概率轉(zhuǎn)移函數(shù)，直接學(xué)出了回報(bào)函數(shù)，根本不去學(xué)概率轉(zhuǎn)移矩陣。

也就是說(shuō)，現(xiàn)在阿爾法狗也還是學(xué)不了概率轉(zhuǎn)移矩陣，所以它繞過(guò)去了。但新聞報(bào)道里沒(méi)有人說(shuō)這個(gè)事，說(shuō)的都是深度學(xué)習(xí)。其實(shí)深度學(xué)習(xí)技術(shù)支撐了阿爾法狗的理論創(chuàng)新。

我們分析人工智能獲得成功的領(lǐng)域，發(fā)現(xiàn)都有一些共同的特征，一個(gè)是確定性的，比如下棋就是確定的，一個(gè)子落在哪里不能含糊。還有一個(gè)是規(guī)則化，下棋一定是有明確規(guī)則的。第三，環(huán)境也是結(jié)構(gòu)化的。在這三個(gè)條件成立的場(chǎng)景中，人工智能已經(jīng)可以超過(guò)人。但三個(gè)條件之一不成立，人工智能就不行了。

當(dāng)然我們也得留一個(gè)尾巴，做阿爾法狗的公司是不是有一些沒(méi)有公布的東西，而那些東西能夠超越這三個(gè)要求，超越固定性、規(guī)則性和結(jié)構(gòu)化的局限仍然可以戰(zhàn)勝人類？如果有這樣的技術(shù)，那是非常強(qiáng)大的，同時(shí)也就變得非常危險(xiǎn)。但目前我們看到的已經(jīng)公開(kāi)的技術(shù)是無(wú)法超越的，現(xiàn)有成果是在這三個(gè)條件下的科技創(chuàng)新。

機(jī)器人應(yīng)用的新需求

既然是有條件的，在這些條件下，這些新的智能技術(shù)能不能用來(lái)滿足機(jī)器人應(yīng)用的新的需求？舉幾個(gè)例子。一個(gè)是家庭服務(wù)機(jī)器人，這張圖是服務(wù)機(jī)器人的比賽，現(xiàn)在服務(wù)機(jī)器人還沒(méi)有在家庭里應(yīng)用。

這張圖里有一個(gè)人在家里摔倒了，你不知道摔在什么地方，沒(méi)有夾具把他夾住的，機(jī)器人要去找，要觀察他是不是真的倒了，倒的是一個(gè)人還是一條狗。找到以后先通過(guò)對(duì)話詢問(wèn)，你感覺(jué)好不好？是自己累了在地上躺著休息休息，還是需要我?guī)椭?？如果需要幫助，需要什么幫助？是需要拿藥，還是抱起來(lái)？抱起來(lái)現(xiàn)在還不容易做到。

這個(gè)比賽顯然跟工業(yè)機(jī)器人完全不一樣，環(huán)境沒(méi)有精確化，環(huán)境中的對(duì)象都得靠機(jī)器人自己去感知，而且是變化的，比如人每次摔倒的位置可能都不一樣。所以家庭應(yīng)用真的是挺難的，但確實(shí)是人類所需要的。

還有一個(gè)更難一點(diǎn)的應(yīng)用，即救援機(jī)器人，救援比在家庭里提供服務(wù)更復(fù)雜。

你執(zhí)行了一個(gè)動(dòng)作，這個(gè)動(dòng)作的結(jié)果是什么？你事先是不知道的，沒(méi)有辦法確定的。很多復(fù)雜的環(huán)境因素決定了行動(dòng)的結(jié)果。這就是所謂的“不確定性”。當(dāng)前國(guó)際人工智能最大的挑戰(zhàn)就在于不確定性問(wèn)題。救援就是不確定性問(wèn)題的一個(gè)非常好的例子。

精確性-靈巧性譜系

這張圖中，工業(yè)機(jī)器人具有最大的精確性，最少的靈巧性。再看手術(shù)機(jī)器人，它和工業(yè)機(jī)器人不是同類，卻也很成功，為什么？因?yàn)槭中g(shù)機(jī)器人也是主要靠精確性的，靈巧性很少。手術(shù)前醫(yī)生為患者打麻藥，再捆皮帶，確?；颊咴谑中g(shù)過(guò)程中不會(huì)亂動(dòng)，而且很多手術(shù)機(jī)器人是人來(lái)操作的，這樣就多了一些靈巧性。

最右邊是家庭服務(wù)機(jī)器人，需要很大的靈巧性。在它的右邊是救援機(jī)器人，救援機(jī)器人我都沒(méi)畫到圖里。農(nóng)業(yè)機(jī)器人比家庭機(jī)器人需要的靈巧性要少一些，精確性稍微多一些。這樣一看，農(nóng)業(yè)機(jī)器人的投資方向非常好。

因?yàn)檗r(nóng)作物在播種前可以對(duì)田地做一些安排，所以農(nóng)業(yè)生y產(chǎn)其實(shí)是一個(gè)半結(jié)構(gòu)化環(huán)境，因此農(nóng)業(yè)機(jī)器人難度是比較低的。智能制造需要更多的精確性，相對(duì)少一點(diǎn)的靈巧性。智能制造精確性和靈巧性都需要的比較多，所以比農(nóng)業(yè)機(jī)器人還要更難一點(diǎn)。

最有意思的是中間的自主無(wú)人駕駛汽車，出來(lái)兩條線，左邊一條線需要比較多的精確性，這代表自主駕駛的理想狀態(tài)，包括兩個(gè)方面的要求。一個(gè)是路況和所有的交通標(biāo)識(shí)，要求自動(dòng)駕駛所需要的交通標(biāo)識(shí)都能夠被無(wú)人車傳感器得到。

另一個(gè)是周圍其他的車輛和行人都遵守交規(guī)。這兩個(gè)條件都滿足了，無(wú)人車是很簡(jiǎn)單的，現(xiàn)在的技術(shù)就能實(shí)現(xiàn)。但實(shí)際上這兩個(gè)條件很難滿足，特別是在中國(guó)，不遵守交規(guī)的太多了，有的地方交通標(biāo)識(shí)也不是很清晰，有的被破壞了。這就是現(xiàn)實(shí)狀態(tài)，需要很大的靈巧性（靈敏性、靈活性）。所以在中國(guó)做全自主無(wú)人車是非常了不起的。

機(jī)器人新應(yīng)用挑戰(zhàn)

傳統(tǒng)機(jī)器人依靠精確性，新的人工智能依賴確定性。我們面臨新的應(yīng)用，需要用靈巧性處理不確定性。這是新的應(yīng)用需求對(duì)我們提出的主要挑戰(zhàn)。我們?nèi)绻茉诩夹g(shù)上對(duì)這種挑戰(zhàn)想出一些好的辦法，或者在工程上想出好的辦法，那就可以滿足新的應(yīng)用需求。

需求是“家”，技術(shù)是“回家”的路。新的應(yīng)用和老的應(yīng)用是什么關(guān)系？老的應(yīng)用相當(dāng)于我們過(guò)去的“家”，新的應(yīng)用相當(dāng)于我們有了一個(gè)新“家”。但是人都有路徑依賴性，我們不自覺(jué)的就會(huì)往老路上走。所以，現(xiàn)在大部分機(jī)器人的研發(fā)都是立足于精確性技術(shù)途徑的。我理解這是一種路徑依賴性。

針對(duì)我們面臨的挑戰(zhàn)，中科大發(fā)展了一套靈巧性技術(shù)。這里用一個(gè)例子加以說(shuō)明。

假設(shè)想讓機(jī)器人給我送一杯水，放桌邊，離我越近越好。但是，由于存在感知誤差和操作誤差，在誤差區(qū)域內(nèi)是不能放東西的，那我們就不在那個(gè)區(qū)域放。所以在很多應(yīng)用里，特別是在很多新的應(yīng)用里，是不需要太精確的，有些危險(xiǎn)的區(qū)域避開(kāi)就行了。

我們提出了一個(gè)框架：全局有一個(gè)粗略模型，機(jī)器人先按照粗略模型做一個(gè)全局決策，在執(zhí)行全局決策的過(guò)程中根據(jù)任務(wù)需要進(jìn)行局部觀察，對(duì)全局的決策做局部調(diào)整，這樣就不需要對(duì)桌面形狀、邊緣做精確的度量和建模，就能完成靈巧操作。

我們做過(guò)一個(gè)實(shí)驗(yàn)，用可佳機(jī)器人來(lái)操作微波爐，加熱食品，整個(gè)過(guò)程都是機(jī)器人獨(dú)立完成的，現(xiàn)在世界上還沒(méi)有第二個(gè)團(tuán)隊(duì)完整實(shí)現(xiàn)過(guò)。這個(gè)實(shí)驗(yàn)和背后的技術(shù)體系也得過(guò)不少獎(jiǎng)。最近我們提出了一個(gè)新的框架，將精確性和靈巧性相結(jié)合，再加上局部的深度強(qiáng)化學(xué)習(xí)。我們用新的框架重新開(kāi)發(fā)了系統(tǒng)，開(kāi)發(fā)效率大大提升了。

總結(jié)

當(dāng)前我們所處的歷史階段，一個(gè)是工業(yè)機(jī)器人大規(guī)模的應(yīng)用，已經(jīng)成功了半個(gè)世紀(jì)。二是人工智能研究了半個(gè)世紀(jì)，現(xiàn)在也有一些新的發(fā)展，特別是以深度學(xué)習(xí)為代表的新技術(shù)達(dá)到了非常高的水平。

新的應(yīng)用需求要處理不確定性，處理不完全信息，具體表現(xiàn)為非結(jié)構(gòu)化環(huán)境，這些需求和現(xiàn)有技術(shù)比較還是有一點(diǎn)差距的。不是說(shuō)深度學(xué)習(xí)出來(lái)了以后，馬上就能解決我們所有實(shí)際問(wèn)題，其實(shí)不能完全解決。但是，如果我們轉(zhuǎn)到靈巧性，轉(zhuǎn)到以靈巧性為核心的技術(shù)體系，現(xiàn)有的很多技術(shù)可以組合起來(lái)，那就能達(dá)到很好的效果。

更多資訊請(qǐng)關(guān)注工業(yè)機(jī)器人頻道