欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之Nvidia AI去马赛克。

学会去噪点操作的人工智能早已经不是什么稀有事物，无论是“拍人更美”还是清晰的夜景拍摄，背后少不了AI的加持。
为了在光线追踪技术中提升高质量图像的输出速度，也需要对图像做降噪处理，NVIDIA在这方面的技术处于领先地位。
通过题海战术的大量训练，见多识广的卷积神经网络不难做到对模糊图像的复原。所谓题海战术，就是成双成对的给神经网络投喂多噪点—清晰的对照图像。
见的多了，AI也就具备了还原图像的能力。
然而在NVIDIA的Noise2Noise的训练环节，并不需要两张多噪点和清晰的对照图像做训练集，吃进去的全是模糊图像，AI却依然学会了洞悉图像真实面目的能力。
就算模糊成马赛克，它也能看穿你的真面目，即便满屏幕的弹幕污染，依然能还你一个清新的画面。
看到这里，不禁为Noise2Noise的强大脑补能力而惊叹了，怎么做到的呢？
NVIDIA与来自麻省理工学院以及阿尔托大学的人工智能研究人员一起创建了这个名叫Noise2Noise的AI。
该团队从ImageNet数据库中获取了50000张图像，对它们做“增噪”处理。然后利用这些“不干净”的图像做降噪处理，训练降噪能力。值得注意的是，在训练过程中AI始终不知道“干净”的图像长什么样，它接手的全是噪点图像。

没有清晰、不清晰成对的对照图像训练组，AI就要学会从不清晰的图像中去寻找高清无码。

传统的训练方式是对噪音图像操作，以干净图像为训练目标。
Noise2Noise不以干净图像为训练目标，而选择以另一张噪音图像为目标，最终的效果几乎一样。起点相同，方法相同，只是目的地不一样，最终的效果相同。两种训练方式的训练速度也几乎一样。
Noise2Noise的图像复原效果非常好。不需要“干净数据”的Noise2Noise有着显而易见的好处，它能够消除收集清晰图像数据的需求，让AI训练实现更简化的目的。
在医疗领域非常有用，例如对核磁共振图像（MRI）扫描，Noise2Noise能够用于图像的降噪，方便医师查看清晰的图像，而不需要面对满满的马赛克。
用于照片降噪的算法同样可以用于对视频素材的降噪，不过降噪所花费的时间就要长很多了。老照片、旧视频在Noise2Noise算法下同样能褪去时间的面纱，还原历史的原貌。去马赛克，去水印也都是不在话下的。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之人工智能的伦理问题。

当下，时不时就会看到关于人工智能的新闻，意料之中的，这些新闻大多是对人们生活已造成或者可能造成负面影响的消息。比如，这两天在国内出现的手机任意调动摄像头事件，令人震惊的是，原来有的手机会自动把摄像头打开！
显然，人工智能的伦理问题比以往技术带给人类的更为复杂。毫无疑问，人工智能需要“德才兼备”，那么问题来了，人工智能如何能够“德才兼备”呢？
1956年夏季，当一批年轻的科学家首次提出“人工智能”这一术语，想必他们是激动的。在经过了缓慢发展的一段时间后，得益于大数据驱动、硬件技术的不断发展、计算能力的提升、深度学习算法等带来的数据智能和感知智能上的突破，近些年人工智能得以快速发展。
“在人工智能的发展和应用中，伦理必须占据中心地位。”今年4月，英国上议院出了一份长达183页的报告《人工智能在英国：充分准备、意愿积极、能力爆棚？》，不仅说了人工智能在英国的发展，更聚焦于伦理道德问题——那些AI可能为人类带来的风险。
在机器人原则与伦理标准方面，日本、韩国、英国、欧洲和联合国教科文组织等相继推出了多项伦理原则、规范、指南和标准。
2016年，联合国教科文组织发布了《机器人伦理报告初步草案》，草案不仅探讨了社会、医疗、健康、军事、监控、工作中的机器人伦理问题，最后还对运用机器伦理制造道德机器进行了讨论。
2016年至2017年，电气电子工程师协会（IEEE）颁布了《人工智能设计的伦理准则》的第一版和第二版。
目前，中国相关部门也正在积极地开展人工智能的标准研究。
无疑，人们在探讨人工智能带来的伦理问题的同时，还在思考怎样才能解决这些伦理问题，尽管离解决问题还有些距离。
机器有偏见
今年5月，滴滴顺风车司机杀害女乘客事件发生后，有网友爆出，滴滴顺风车司机通过平台软件，在接单前可以看到以前司机对乘客的全部评价，而这些评价中就包括对女性乘客外貌的评价。这是因为平台软件上增加了社交功能。
今年2月，《纽约时报》英文网站发表了一篇文章，指出如今非常热门的人工智能应用人脸识别，针对不同种族的准确率差异巨大。这让人们意识到，人工智能系统确实可能存在偏见。
人工智能带来的文化偏见的例子还有很多，如词语“女性”“妇女”与艺术人文类职业以及家庭联系更紧密，词语“男性”“男人”则和数学、工程类职业更近。尤为危险的是，AI还有强化所习得的偏见的潜能，它们不像人可以有意识地去抵制偏见。
不用说，当下时不时就会看到人工智能的新闻，且多是对人们生活已造成或者可能造成负面影响的消息。又比如这两天在国内出现的手机任意调动摄像头事件，人们震惊于原来有的手机会自动把摄像头打开。
显然，人工智能的伦理问题比以往技术带给人类的更为复杂。
美国耶鲁大学教授温德尔·瓦拉赫在接受《中国科学报》记者采访时表示，人工智能是一种认知技术，是区别于过去的技术发展。过去的技术发展确实能取代一部分人类的劳动，但通常不包括人类的精神活动。而人工智能可能会在更广泛的领域内取代人类的工作。
技术带来的伦理问题本质上是相同的。但随着新技术的发展，这些问题会以新的形式出现。这里不仅包括人工智能，也包括其他新兴技术。“但不同的是，人工智能不仅仅是一个特定的应用，或者一组应用，它是一项几乎可以应用于生活的每一个方面的技术。”
伦理有缺位
人工智能和包括机器人在内的智能化自动系统的普遍应用，不仅仅是一场结果未知的开放性的科技创新，更将是人类文明史上影响至为深远的社会伦理试验。
如果说人工智能对人类的威胁是终极问题，如何解决还未可知，那么人工智能在当下活动中体现出来的伦理问题就亟待解决了。
应当从我们这些年研究科学技术前沿中的、科学技术应用中遇到的实例，去探讨人工智能的伦理问题。
与以往不同，人工智能伦理研究不再是一个高高在上的理论，也没有一套适用全部情形的普遍原则体系，更多的是针对具体的人类活动或者科技实践的原则体系，比如说，陪护机器人，就需要一些防止过度依赖机器人的原则。
当下的社会中，大数据让人们享受了便捷，同时这些数据会受到不良的使用，或者是没有必要的滥用。而由于大数据的挖掘导致商业智能的运用对人的权利的侵犯，这种侵犯最核心一点就是人的自主权，包括隐私。
因此，欧盟数据保护条例中，针对保护个人数据的态度很强硬，只要能够识别是个人的，就是个人数据，而且个人能决定他的数据怎么使用、该不该使用，以及对有些数据要求被遗忘、数据可携带等。
让技术在社会上更好地运行，就要从伦理上对它进行设计。比如现在经常提到监控装置对人的隐私的伤害，将来可以让使用者看到摄像头的界面，让人们在一定程度上了解自己的数据如何被追踪和使用；这样既可以促使数据追踪者规范其行为，也有利于被追踪对象适当修正其行为方式。这是数据时代、信息时代一个新的信息对称的问题，让不对称变对称一点，寻求一种再平衡。
道德机器是否可期？
美国著名科幻作家阿西莫夫曾在他的小说中提到“机器人学三定律”。以往人们更关注其内容，而忽视了“机器人学三定律”如何在实际操作中来规范机器人的行为。
其实阿西莫夫有很详细的构想，通过技术直接嵌入到机器人的控制软件或智能编码底层，令“机器人学三定律”不只是纸上法则，更可经由技术强制执行——通过内置的“机器道德调节器”使机器人成为有道德的机器人。
阿西莫夫提出了影响广泛的机器人三定律。他也提到在实际操作中来规范机器人的行为，通过内置的“机器道德调节器”使机器人成为有道德的机器人。
如何解决人工智能的伦理问题，这是一个科学家、哲学家以及相关领域的研究者都不能忽视的问题。让机器人有道德或许不是科幻呢？
温德尔·瓦拉赫和认知哲学家科林·艾伦在10年前共同完成了《道德机器：如何让机器人明辨是非》一书。他们对能否让机器有道德进行了研究。温德尔·瓦拉赫是耶鲁大学生物伦理学跨学科研究中心主管，曾开过“机器人的道德和人的伦理”的课程。
科林·艾伦1999年涉足这个领域，他还曾任《斯坦福哲学百科全书》——全球最大的电子哲学词典的技术总监，指导开发人员，使他同时在哲学和计算机这两个领域皆有深刻的理解。
2002年，他们在德国巴登巴登召开的一次会议上相识，因共同的学术兴趣，两人开始研究人工道德智能体的技术层面的伦理问题。2008年2月完成了《道德机器：如何让机器人明辨是非》这本书，2009年英文版出版。
两位学者在书中提出要设计出符合人类道德规范的机器人。这个听起来是不大可能实现的目标。他们也认为，完备的机器道德智能体还很遥远，但是目前有必要，而且有可能开始建构一种功能性道德，从而使人工道德智能体可以具有基本的道德敏感性。
例如，对于前面提到的语言上的偏见，艾伦认为应该考虑的是，“如何在设计理解语言的算法时既让其消除偏见，又不丧失其对语言的解释能力”。
两位学者进行了开创性的研究，并提出了解决方案的三条路径：一是自上而下，就是把人类已经成熟的伦理系统、道德理论体系灌输进去，即理论驱动作决策；二是自下而上式的数据驱动的学习和进化的方式；三是混合进路系统，即将前两种结合起来，使人工智能体在一定的普遍伦理准则指引下、通过深度学习算法，在与人类的互动中不断完善其伦理系统。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之外科医生机器人达芬奇。

如果说科技医疗最完美的体现是谁？显然，非医疗机器人莫属。
医疗机械臂在患者身体开一道几厘米的口子，出血不到100毫升，两个小时内就能成功完成一台微创心脏手术，术后恢复三天就可以正常工作，而在此前需要5个月，机器人让医疗实现了新的高度。
这就是直觉外科公司旗下达芬奇机器人的价值。
作为全球医疗机器人的领先公司，直觉外科公司创建于1995年，创始人弗里德里克 莫尔，核心产品是达芬奇系统。
自2000年上市以来，该公司股票一直飘红，从8美元涨到如今的490美元，其股价10余年间的最大涨幅一度超过100倍。
作为手术机器人领域“大哥”的达芬奇机器人，目前在手术机器人市场几近垄断地位。 据统计，2017年全球医疗机器人规模为118亿美元，直觉外科公司2017年财报显示全年收入为25.47亿美元，对比全球的市场规模可以计算出来直觉外科公司竟然占比达到了21%。
据BCG波士顿咨询测算，到2020年全球医疗机器人市场估值将达114亿美元。
截至2017年6月30日，有超过4100台达芬奇机器人被安装在世界各地的医院，其中2703台在美国，698台在欧洲，538台在亚洲，其余210台分布在世界各地。
自2000年起，达芬奇机器人已经实施了超过四百万例微创手术，也就是说每42秒钟，世界上某个角落就有一台达芬奇机器人操作了一台微创手术。
直觉外科公司的收入主要来源于达芬奇系统的销售以及配件、服务费。达芬奇系统售价普遍在100万-200万美元区间，每台系统销售后的年均服务费用为10余万美元。业内人士表示，直觉外科公司的模式属于典型的“刮胡刀和刀片”模式，公司销售后的配件、服务费收入增幅要大于销售达芬奇系统本身的收入增幅。
当然，直觉外科公司多年备受华尔街推崇的重要原因，并不仅仅因为是技术和模式，直觉外科的成功还有多个要素：
直觉外科公司常年保持70%的毛利率；医疗机器人行业较高高，而且复杂的FDA审批流程限制了其他手术机器人的发展；直觉外科公司的知识产权保护让其他手术机器人的产生构建了技术壁垒。
当然，达芬奇机器人备受推崇的背后最重要的还是它的技术，达芬奇系统属于甲A类机械，同时也是世界上最先进的手术机器人，其重点攻克的微创医疗技术在行业内首屈一指。
达芬奇系统每做一台手术都会在相应的期刊上发表一篇学术文章，其中一些高水平的专家，还依托自己的技术，独创或改进手术方式，获得了极具价值的学术成果。这对医生的技术提升、学术地位，或是职称评定，以及为了医院的名誉和争取研究经费都有着极大的优势。
这里不得不提到一个弗里德里克莫尔，直觉外科公司创始人。
1994年受雇于Guidant公司的弗里德里克莫尔对SRI远程手术机器人系统表现出极大的兴趣，他认为这一系统除去军用价值，还具有很好的商业价值，当然，Guidant否认了医疗机器人的想法。
1995年，弗里德里克莫尔从Guidant辞职并结识了Acuson的联合创始人Rob Younge以及刚离开Acuson公司的John Freund。三人一拍即合，在与SRI成功谈判并获得了远程手术机器人的技术授权后，成立了Intuitive Surgical Devices公司，同时获得了包括菲尔德基金、塞拉利昂资本和摩根斯坦利投资者在内的第一笔风投。
后来，为了纪念达芬奇给后人在机器人技术方面的启蒙，将这套医疗系统命名为达芬奇医疗手术机器人。
1996年4月份，融资后的直觉外科公司组建起了一支工程师团队。1997年公司将测试改造的新系统命名为最终推出的核心产品“达芬奇”手术系统出炉。
在经过三年的反复确认后，1999年在等待FDA批准的同时，直觉外科率先开启欧洲市场。2000年7月，直觉外科获得FDA批准，达芬奇手术机器人系统开始在普通外科手术中应用，2001年又进一步获得在胸腔和前列腺切除术等手术项目的许可。
不过，值得一提的是，在2000年达芬奇手术系统公开销售之前，直觉外科曾被竞争对手Computer Motion起诉过专利侵权，这家公司曾在1997年发布过Zues手术系统，后来，该公司也转向了直觉外科的思路。
这让两家成为冤家，开始了无休止的法律斗争，直到2003年双方同意结束技术诉讼，走向了合并。
也就是说，如今的直觉外科公司是Computer Motion与直觉外科的统称。
后来，在多年的推广及应用当中，直觉外科及达芬奇才形成如今的成就。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之机器人在情报分析的应用。

自动分析在当今已有广泛应用。例如，信用卡常会因异地异常消费而被暂时冻结，以防止盗刷行为。要做到这一点，信用卡公司必须能定位并分析购买行为，并得出 “消费行为异常”的结论。
华尔街的自动股票交易建立在对新闻实时分析的基础上。2013 年 4 月 23 日，股票市场在两分钟内下跌了 100 点，随后才恢复，起因是黑客攻破了美联社的推特账户之后，发布了一条假消息称白宫遭到了攻击。这一事件也反映出公司企业通过分析实时新闻掌控市场动向的能力。
“开源指标”OSI 是情报高新研究计划局 ( IAＲPA) 赞助的项目，旨在发展连续的、自动化的方法，通过对开源数据的分析来预测或监测社会重大事件，例如政治危机、人道主义危机、大规模的暴力、骚乱、大规模迁移、疾病爆发、经济不稳定、资源短缺及自然灾害等。2014 年初，OSI 宣称他们在拉丁美洲成功预测到疾病的爆发，比官方报告早两个星期。
2014 年 5 月 17 日，《洛杉矶时报》发表了一则150字的地震余震报道。让人感兴趣的不是文章的内容，而是它生成的方法。文章的信息来自于美国地质勘探局 ( USGS) ，而撰写则是由肯恩·施文克 ( K. Schwencke) 设计的算法完成的，虽然报纸在文末写上了施文克的名字，但是文章的实际作者是他设计的程序———地震机器人。
从公司业绩报告到体育新闻，自然语言生成技术逐渐显露锋芒。雅虎就曾与 AutomatedInsights 公司合作，在雅虎的一款足球游戏中实现了球队状态信息的自动生成和推送。
2014 年，美联社与Automated Insights 公司合作，实现了公司业绩报告的自动生成。同年 3 月份，美联社宣布将自动化技术运用到大学体育报道中。自动化技术使美联社每季度新闻报道的产出提高了近10倍。
2013年，情报界的风投公司In-Q-Tel 与芝加哥 Narrative Sciences 公司建立战略合作伙伴关系，同时签署的还有自动分析软件 Quill的技术开发协议。Narrative Sciences 公司随后开始尝试体育新闻的自动化生成。之前该公司曾为不同机构提供大量自动生成的业绩概览、共同基金的报告和投资研究报告等产品，这些产品充分展现了Quill的强大力量。
自动化新闻在大数据时代出现不会是一个巧合，2012年的一项研究表明，“数字世界” 中23%的信息是有用的，但是现在仅有3%的数字数据被标记过，而仅有不到 1% 的数据被分析过。
计算技术和信息存储技术的发展意味着实时产生的大量数据可以被越来越充分地利用起来。但随着数据量的增加，分析活动对分析人员和机器提出的要求也越来越高。很多公司之所以能在大数据时代崭露头角，一个重要的原因就是它们的技术具有可扩展性，它们能够分析海量的、结构复杂的数据并把这些数据用通俗易懂的英语表达出来。
情报界中机构各异，但它们的分析和写作总是遵循某些特定的准则和风格。许多分析师在撰写报告时会使用模板，这些模板帮助他们围绕议题形成结构化情报产品。
无论分析师面临着什么样的议题，只要他们关注与人有关的政治和社会问题，那书面叙述就仍然是他们向客户传递观点的最主要方法。
情报产品通常表现为不同的形式，例如数张幻灯片或数页书面报告。研究话题可能多种多样，但底层的叙述方式是一样的。故事模板和数据在情报界中随处可得，它们是自然语言生成的必要元素。
目前，借助充足的数据，自然语言生成的技术有了显著的进步。数据可以进行横向和纵向的对比，因此非常适于自然语言的自动生成，这也是该技术常被用于生成体育新闻和金融报告的原因。
自动化分析面临的机遇和挑战在情报领域，支撑分析评估的数据表现为不同的形式。它们既可能是定性的，又可能是定量的。
以定量数据 ( 如测量数据) 为中心的故事最适合用自然语言生成。例如有了测量和实验数据，就可以将当前数据和历史数据进行比较，从而构造出一个有意义的故事。嵌入在自然语言生成技术中的典型功能包括回归分析、时间序列模型以及其他统计分析方法。
但若想将分析见解转化成流畅的叙述，计算机还必须了解情报产品的结构和风格。计算机必须能在有限的字数内传达有意义的消息，例如“导弹发射准备工作正在进行中，将涉及洲际弹道导弹”。
同样，计算机必须避免使用过于专业的术语。随着自动化的发展，同样的数据可以产生不同的叙述方式，以适应不同的情报用户的需求。更具挑战性的是基于定性信息进行自然语言生成，虽然某些定性数据更具有操作性，例如通过社交网络进行情绪分析往往比通过不同来源的报告片段来分析敌人的计划和意图更容易。
2012 年，联合国赞助的一项研究就曾通过分析推特信息成功预测了印度尼西亚的一轮食品价格上涨，这一预测结果比正式消息早了数周时间。
对于自然语言生成技术来说，对政府的计划和意图进行评估则是一项更大的挑战，因为构成政府行为的底层数据通常是不可测的。
另一个重要的问题是: 人类和机器，谁更适合处理定性信息。在一些特殊的情况下，仅有处理能力是远远不够的，自然语言生成工作仍需要人类的协助。
分析资源的再平衡众所周知，情报工作面临着数据量和数据生成速度的双重压力。一方面，数据需要及时分析; 而另一方面，情报工作者几乎要对全球的各个领域进行持续监控。
决策者希望情报部门能及时对所有可能影响国家安全和利益的事件进行预警。这导致少数国家 和主题吸引了大部分情报收集和分析资源。
技术能够帮助情报界重新认识资源失衡的问题，进而对资源进行优化配置。
假如导弹试验这一类的情报可以自动化生成，那么人工干预的需求将会大大减少，从分析到传播、使用的速度也会大大提升，情报产品生产的中间环节也会减少。另一个潜在的好处是，情报提供者可以更轻松地为不同情报用户提供风格各异的产品。
今天，情报工作者更注重少数特定用户在情报内容和风格上的需求。不同用户的需求分散了情报分析师和管理者的时间精力，而优先级的存在导致一些用户的需求被满足，而另一些需求被忽视。
今后，自动生成的情报产品能够在一定程度上弥补这一不足。
情报工作面临着需求不断提升而预算逐步收紧的双重压力，形势愈发严峻。一种观点是让机器人帮助人类进行情报分析，将情报工作人员从繁重的机械劳动中解放出来，将精力更多地投入到更重要、更具创造性的工作中去，从而让人们更好地面对当下和未来的威胁。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之机器人行走的机械原理：几种著名的连杆机构。

行走机器人的机械原理其实相对比较简单，大部分都是一些连杆机构。下面我们就看看一般都有什么连杆机构适于用于行走的。

1.平行四杆机构

2.切比雪夫连杆机构

3. 克兰连杆机构

单个克兰连杆

4. Jansen 连杆机构

单个Jansen连杆机构

5.波塞利连杆机构

第一个真正把旋转运动转化为绝对直线运动的平面连杆机构，

6.瓦特连杆

6.其他模仿行走的机构

原文出自：http://www.mrczwz.com/a/lvyou/832.html

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之磁控胶囊胃镜机器人。

半年前，一个小小的胶囊大小的机器人在北京展览馆火了一把。它凭借自己娇小的身躯及让人惊叹的实力，在“复兴号”、“蛟龙号”这些国之重器前抢了一把风头，圈粉无数。更让人自豪的是，它是血统纯正的“中国智造”。
这个胶囊机器人从正式投入临床使用以来，已经覆盖了全国1000多家医疗机构，累计超过40万人使用过了它。原来，这个小机器人是个胃镜，只需用温水吞下它，15分钟内就能完成整个胃肠部检查。
博鳌亚洲论坛2018年年会活动结束后，在规划馆里先进的医疗设备前，这款小小的磁控胶囊胃镜机器人引起了不少参观者及领导的瞩目。
这款被誉为“21世纪胃疾病检查和内镜发展的革命性创新”的胶囊胃镜机器人，由我国自主创新研发并投入临床应用，其技术水平反超国外同类产品，是世界上第一个可以用于胃部检查的胶囊内镜产品，打破了国外厂商在我国胶囊内镜领域二十多年的垄断，开启了消化道疾病筛查新时代！
这个机器人拥有像感冒药丸一样的胶囊外形，小小的身体只有5克重，容纳了400多个精密元器件，拥有近百项国内国际专利。受检者仅需像吃药一样随水吞服；检查过程是一点感觉都没有！
进入人体后，它可以根据医生指令在人体内自如运转，任何细小的病变都不能逃过它的眼睛。在人体内可以拍摄2万多张照片，并将拍摄到的影像实时传输到医生电脑。超级智能！精确检查到食管、胃、小肠等消化道结构。保证诊断的极高准确性。
很多人活了几十年，却从未做过胃镜检查！为什么明明有那么多人有胃病，却很少有人给它去做胃镜检查？
因为传统的胃镜检查存在着诸多弊端，医生需要将一根很粗的管子从病人口腔插入,一直伸到肠胃道,这让患者痛苦不堪，所以一些胃病患者打了退堂鼓，干脆不去做检查啦。
而通过这个小小的机器人，不仅让患者免受插管之痛,还避免了插管多次循环使用、消毒不彻底引起感染等临床并发症。医生可以用软件实时精确操控体外磁场来控制胶囊机器人在胃内的运动，改变胶囊姿态，按照需要的角度对病灶重点拍摄照片，从而达到全面观察胃黏膜并做出诊断的目的。在这个过程中，图像被无线传输至便携记录器，数据导出后，还可继续回放以提高诊断的准确率。
适用人群：
1、消化系统病史患者的定期复查，包括息肉、炎症、溃疡、出血等;
2、出现消化道症状需要确诊者，包括慢性腹痛、、、黑便或、原因不明的、等;
3、上消化道肿瘤高危人群，包括有家族病史、不良饮食习惯、常在高压力下工作、生活不规律、经常大量饮酒等;
4、健康人群常规体检。消化道疾病高危人群筛查。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之机器人不是现代产物，几千年前就有。

机器人，并不是现代人才有的观念产物，在很久很久以前，就已经出现过关于机器人的传说和史料。
在我国道家学派经典著作《列子》之中，率先提到了运用木头和机关来制作的“机关木人”，这些“机关木人”跟人类身高一样，雕刻有五官，而且还能行走，并且可以做一些载物或帮人犁田的工作。而且有传说公输班（鲁班）和鬼谷子曾亲手制作“机关木人”，但这些木人最终变成杀人的武器，可以为操控它们的人来完成杀戮任务。
虽然我们在古老的历史中记载了“机关木人”，甚至于还有“铜人、铁人”以及“天外来客”，但却始终没有出现“机器人”的形象，因为那个时候，人们还不知道有机器这个词。
就在200多年前，西方的作品中率先出现了“机器人”形象，并且有了机器人这个词汇。首先要提到人是柴可夫斯基，他的名作《胡桃夹子》几乎所有人都听过。
另一个必须要提到的是改编自1816年的一部中篇小说，名字叫做《沙人》，作者是著名的德国学者霍夫曼。
在这部叫做《沙人》的作品中，主人公是一个非常美丽的女人，可谁也不知道她美丽的外表下面却是冷冰冰的钢铁驱壳，她是一个人形机器人，除了制作她的人之外，没人知道这个秘密。她美丽的外表和优雅的谈吐令男主角一见钟情，完全不能自拔。但最终男主角发现了她的秘密，因此疯掉.....
在这部作品诞生后的两年，另一部科幻大作《科学怪人》受到启发，从而诞生，从此后，机器人这一形象成为西方科幻作者的宠儿。直到今天，每年好莱坞制作的大片当中，都离不开机器人。
当机器人这一形象自《沙人》之中诞生后，人们惊奇的发现，或许霍夫曼并不是第一个写出机器人的学者。在三千年的古希腊的神话中，已经出现了机械兽。
古希腊的神话中记载到这些拥有庞大身躯的机械兽来自“神之手”，它们的钢铁躯体任何长矛和弓箭也射不透，而且它们的口中还能喷射火焰。说到这里，如果你是一个科幻迷的话，你可以大胆的假设一下，这些所谓的机械兽，会不会就是现代我们所说的坦克或者装甲车。而所谓出自“神之手”的“神”，会不会就是拥有高等文明的外星智慧生物或者是地球上的时空穿越者呢？所谓的口中喷射火焰，会不会如同现在的坦克发射炮弹一样？“炮弹发射=口中喷射火焰？”
古希腊的文献中不但记载了机械兽，还记载了一个叫做“塔罗斯”的巨大铜人，塔罗斯拥有高于正常人三倍的身躯，体内有一条直上直下的血管，里面流淌着神族的血液。塔罗斯为神族守护着克里特岛，每天沿着海岸线巡逻三圈，共计三千多公里，并且他可以发射“光”与“火”来驱赶试图登上海岛的入侵者。后来一群跟神族作对的人来到海岛上，一个高大的女子用计谋拔掉了塔罗斯脚跟上的塞子，塔罗斯体内流动的神族血液喷射出来，最终导致“失血过多”而倒地不起，成为一堆废铜烂铁。
大家有没有发现一个问题，古希腊人描述的塔罗斯体内有个“直上直下的血管”，里面流淌着“神族血液”，这不就是现代的输油管吗？后面写到塔罗斯每天可以绕海岛巡逻3000多公里，那么他一定具有像飞机一样飞行或者可以像快艇一样在海面飞驰的能力。另外他还能发射“光”和“火”，假设一下，这会不会就是安装在他身体结构上的激光武器或者火焰喷射机器。最终能打败他，是将他脚跟上的塞子拔掉，导致“失血过多”而死。这不就是输油管子被打开，油漏光了，跟汽车没油后开动不起来的道理是一样的。如此看来，这个塔罗斯不就是具有超级武器和飞行系统的机器人吗？或许古希腊人真的遇到了外星文明，他们认为这是“神”的杰作。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之机器人占领互联网，人类使用网络方式可能发生巨变。

现在，我们在电子设备上花费了大量的时间，各处点击浏览、与他人聊天和分享，还有搜索信息。但这会持续多久呢？互联网可能很快就会变成一个非常孤独的地方，因为机器人将占领互联网，在网络上帮我们处理任务的机器人的崛起可能会导致我们使用网络的方式发生巨大的转变。
互联网，正如它所代表的那样，是一个全球互联的计算机网络系统，人类利用互联网可以相互交流，做生意，获取知识，娱乐自己。搜索引擎让我们能找到自己需要的一切信息。购物平台可以让我们购买任何我们需要(或者不需要)的东西。各种社交网络平台允许我们与他人公开分享关于我们自己的一切。
阶段一：已发生
在互联网诞生之初，每件事我们都必须亲力亲为：要发送指令给正确的机器来将信息传递给正确的人，找到自己正在寻找的信息，将信息组织起来等等。
几年后，像谷歌这样的服务提供商开始“帮助我们分类”我们的搜索结果。邮件应用将某些东西放入一个垃圾邮件文件夹中，社交网络平台“帮助我们分类出”它认为我们应该看到的东西。这在现今的在线互动中也的确如此。
阶段二：机器人环境
信息分类只是一个开始。由于机器学习、人工智能和为我们做某些事情而创建的机器人的出现，人类间的在线互动在很大程度上已经迅速转变为人类与机器人之间的互动。在今天的网络世界里，机器人无处不在——它们在购物网站上与我们聊天，在各种呼叫中心中提供客户服务，为我们安排约会，甚至利用社交媒体来影响选举。
最重要的是，许多在线互动现在也由机器人进行评估，例如，机器人正在分析工作或贷款申请，如果分析显示应聘者不符合要求，就会自动反馈结果。机器人还会向我们推荐我们应该如何改变我们的简历或贷款申请，以便通过另一边机器人的审核(你甚至可以付钱给机器人来为你做这些)。
现今，我们和机器人说话，阅读机器人发布的内容，安排与机器人的会议，和机器人闲聊——但我们通常都没有意识到这一些，因为这些机器人都是叫艾米、苏珊或马特之类的名字。这样的机器人也会与垃圾邮件发送者进行交流，让他们一直忙个不停。
阶段三：机器人vs. 机器人
很明显，公司已经确定了机器人的价值，并将这些价值整合到公司的销售、客户服务和人力资源流程中。但是现在，个人也开始使用机器人来浏览机器人无处不在的互联网世界，这就导致了机器人与机器人之间的互动，而人类不再参与其中。
让我们回到求职的例子中。公司已经使用机器人来浏览、过滤和交流。但是现在用户也可以雇佣他们的个人机器人来找工作，并使用申请人预先提供的信息来帮他们申请工作，因为机器人会创建求职信，甚至申请或回复信息。
或者用一个更简单的，也已经很常见的例子：个人机器人现在和另一个人的机器人安排两人的约会——也许我们都来赴约了，或者也许我们没有。
这就是问题开始的地方。
问题很简单，如果机器人现在比人更有效率，他们就能以人类无法做到的方式完成任务——我们都知道这一点。但是当机器人在事情的另一边的时候，事情就开始失控了。
如果我的机器人申请了100个工作或贷款，而另一边负责审核的有100个机器人，那么交互作用就会增加。这对聊天、邮件、帖子、点赞、推特、快照和其他你可能想象的在线互动来说是正确的。从这些模拟交互中成长起来的绝对数量意味着人类自己将无法再消费、过滤、阅读和回复。
由于人类思维的局限性，这是不可能的。在最好的情况下，这意味着人们将得到一个机器人认为我们应该看到的“排序”结果，丢失了99件可能也很有趣的事情。
矛盾之处在于，这种机器人供过于求最终可能会再次将大多数人的互动推到线下，新闻(真正的新闻，也就是)将通过对话分享，工作将通过连接找到，朋友们将在活动和聚会中发现彼此的重大生活事件的发生。
另一个选择是我们将在互联网上建立无机器人区。
让这个场景变得更糟的问题是，让机器人对我们日常的网络活动有了更多的控制，这个问题是戏剧性的。机器人的计算能力将从控制这些交流活动开始，接着是机器使用的电力，产生的数据，以及数据所需的存储空间。
如果这种情况发生并呈指数级增长，我们可能没有SkyNet(就目前而言)，但是99%的在线互动将不再是仅限于人类，机器将继续缓慢地接管互联网——更不用提电话线路了，就像我们最近在Alphabet公司的主题演讲中看到的那样。
有了可以通过电话与人交谈的人工智能，我们就会看到人工智能在另一方面的增长，因为小企业主开始以机器人的形式引入数字对等物。一旦人工智能机器人间开始互相交谈，他们可能会以我们不理解的方式开始谈论一些我们不希望他们谈论的事情。
这件事情以前发生过。2016年，当机器人Tay开始发布攻击性的推文时，微软不得不将它关闭。去年，Facebook关闭了一个项目，在这个项目中，两个机器人似乎只是在用一种只有他们能理解的语言聊天。
随着我们生活中越来越多的组成部分变得自动化，我们可能想要多考虑一下我们日常的人类互动中哪些是可以直接由机器人来完成，哪些是值得用老式的方式，用我们自己的声音，手和眼睛来完成。
如果我们已经体验到的人类vs.机器人世界的到来似乎势不可挡，那么机器人对机器人的世界将只会变得更加复杂，在试图将我们的日常任务传递给电脑来完成时，我们最终可能会为自己创造出比我们预想的更多的工作。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之机器人的寿命。

机器人不谈寿命，只能说什么时候被淘汰。
举个最简单的例子，十年前流行的翻盖机，有的款型虽然现在也能用，但性能上、系统流畅度上，已经不如新出来的手机了。假若手机主人比较恋旧，手机如果出故障了，就去修理，一直用到现在也不是没有可能的。但是，只怕是很难跟得上现代发展的需求了。所以机器人也是一样，只要定期维修，就能一直使用下去。若维修成本过大，恐怕也是不得不报废了。
至于决定机器人什么时候被淘汰的，有以下四点关键因素。
1.电池的完好性。对于机器人来说，电池就像心脏，心脏不运动了，自然就跟人一样失去生命。而电池却不像心脏那样能持续运动几十年，电池老化的非常快，因此电池是否完好能够承载多久这些问题就是机器人寿命中最关键的因素。
2.机器人本身零件构造的耐用性。这个就简单易懂了，没有人会选择用零件有问题的电脑或是手机，机器人也一样，一些细微的损坏很有可能酿成大祸，人类可以选择它自然也可以淘汰它。
3.机器人本身能否跟得上时代的发展，用大家常用的话说就是不能"out"了。时代发展很快，十几年前的车现在几乎很少见到，因为大部分人都选择购买更新型,系统更完善的车，那些旧车都被淘汰，成堆成堆地放在废物站等待回收废铁。
4.机器人的兼容性。就像手机的内存，如果不及时清理垃圾又不断下载软件就会越来越卡，以至于最后手机整个卡到打不开。机器人的控制板芯片等和手机电脑是一样的，手机电脑会出现卡死的现象，机器人同样会出现，到时候就不是人工智能而是人工智障了。

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

丽莎老师讲机器人之MIT的盲动机器人。

７月７日，美国麻省理工学院近日发布公报称，该校研究人员最新公布了一种“盲动”机器人的技术细节。这种机器人不需要借助视觉系统，可在崎岖地形中穿行跳跃，有望在危险工作环境中得到广泛应用。研究人员指出，他们开发了“触觉感应”算法，可根据地面材料的软硬，确定机器某条腿在空中摆动与落到地面上的最佳时间。
什么是触觉感应？
我们每个人都拥有触觉，即皮肤触觉感受器接触机械刺激产生的感觉。据百度百科解释，皮肤深层存在触觉小体，椎体里存在敏感的神经细胞，当神经细胞感受到触摸带来的压迫，就会马上发出一个微小的电流信号，电流信号就会随神经纤维到达大脑，这样就能感受到这次触摸，大脑可以马上分辨出触摸的程度以及信号的位置。
回想一下，人类抓取一个东西，需要怎么做？毫无疑问，我们会很自然地去看一下目标物，然后进行抓取，在这个过程中，就应用到了视觉感知能力和触觉感知能力。著名心理学家、哈佛大学史蒂文·平克教授曾在《意识如何工作》一书中描述人类的触觉感知能力：“假设你要拿起一盒牛奶，如果抓的不够紧，它就会掉下来，如果抓的太紧，又会把它挤爆；拿起牛奶后轻轻摇晃它，你甚至可以用指尖的触觉来估测盒子里有多少牛奶！”对于人类so easy的事情，想要机器做到却非常困难，因此，不得不提到触觉感应。
近日麻省理工公布的“盲动”机器人，就是利用了“触觉感应”算法，才能让机器可根据地面材料的软硬，确定机器某条腿在空中摆动与落到地面上的最佳时间。
为什么机器需要触觉？
人类在尝试抓取物体时，会组合运用各种感知能力，最基础的就是视觉和触觉。但直到目前，大部分解决机器人抓握问题的尝试都只把注意力放在机器人的视觉感知上。其中一种方法就是通过数据库进行图像匹配。
比如，机器人使用摄像头来感知目标物体，同时监测自身的动作，以此来尝试抓取物体。在这一过程中，机器人会将实时的视觉信息与储存在数据库中的3D扫描图像进行比对。一旦找到匹配的图像信息，机器人就能找出对应当前情况的抓取算法。
但是，机器却无法根据环境的变化采取相应地抓取策略。比如，无法根据灯光或者物体尺寸、重量的不同作调整。其次，机器很难看清目标物体全貌的情况，如同盲人摸象，不能从全局上对待。最后，抓握任务是关于接触与力学的，在视觉上很难被监控。视觉最多可以告诉机器人什么样的手指姿势最有可能抓取成功，但机器人最终还是需要触觉上的信息，这样才能获取与抓握任务相关的物理数据。
如何为机器赋予触觉？
提到如何为机器赋予触觉，不得不清楚，触觉感应器返回的信号是复杂的、多维度的，而在机器手上增加触觉感应器通常不能直接增强抓握能力。因此，我们需要的是一种方法，能够把低等的原始数据转换为高等的信息，让机器人具有更好的抓握和操作物体的表现。触觉智能就可以让机器人通过触摸识别物体是否要滑出、基于触觉手势识别物体来预测抓取物体成功的可能性。
我们知道，人类皮肤中的感受器可以探测到压力和振动的迅速变化。比如，物体滑出会在我们手的表面产生振动，有研究者在机器学习算法中以振动图像（光谱图表）取代了压感图像。使用与在抓取预测实验中的同样配置的机器人，在系统中加入了在物体滑出过程中学习到的振动图像的特点，现在它可以以92%的准确率识别到物体的滑出。这不失为一个赋予机器处决的方法。
然而，让一个机器人意识到物体的滑出似乎很容易，因为滑出的过程就会产生一系列的振动。但如何让机器人分辨由于物体滑出发生的振动和由于机器人在另一个表面（如桌面）上拖拽物体而发生的振动呢？我们还不能忘记机器人手臂的运动自身也会产生微小的振动。这三种不同的事件会产生相似的信号，但需要机器人采取不同的行动。识别这些不同的事件就是机器学习的意义所在。