近年來，隨著計算機和網絡技術的快速發(fā)展，諸多大規(guī)模知識引擎的創(chuàng)建在很大程度上改變了人類的知識共享和表征生態(tài)。受此啟發(fā)，美國康奈爾大學和斯坦福大學的一些學者通過多模態(tài)大數(shù)據(jù)挖掘，創(chuàng)建了一種新的、主要面向機器人的、同時能供任何要執(zhí)行任務的設備自由訪問的大規(guī)模知識引擎：機器人大腦（RoboBrain）。

　　機器人大腦：面向機器人的大規(guī)模知識引擎

　　在面向人類的知識數(shù)據(jù)庫中，信息搜索是一件簡單的事情，我們只需在電腦或移動終端上輸入幾個字就可以得到答案，在很多情況下，模糊和缺省檢索也能解決問題。但是，對于機器人來說事情就沒有這么簡單。即便要完成最簡單的任務，機器人都需要詳盡甚而完備的操作細節(jié)?；诿嫦蛉祟惖乃阉饕嫠贸龅乃阉鹘Y果，機器人難以讀懂。比如，要使機器人讀懂“如何烘焙蛋糕”的搜索結果，除了指出常規(guī)的烘焙過程和步驟之外，還需要提供各種各樣詳盡的相關附帶信息，如雞蛋可以打破；打破雞蛋流出的液體必須裝在器皿如杯子里；杯子只有在杯口朝上的情況下才可以盛裝液體；水來自水龍頭，能夠在壺或者微波爐里加熱，且能夠和蛋液混合等等。因此，要創(chuàng)建一個面向機器人的大規(guī)模知識引擎不是一件簡單的事情。

　　在人工智能產業(yè)發(fā)展前景被普遍看好的當下，康奈爾大學和斯坦福大學聯(lián)合創(chuàng)建了一個面向機器人的大規(guī)模知識引擎——機器人大腦，并為此創(chuàng)建了一個網站。這主要是一個供機器人學習和共享知識表征并執(zhí)行多種任務的大規(guī)模知識引擎。

　　“機器人大腦”網站的首頁顯示，該知識引擎主要通過搜索互聯(lián)網及其他一些數(shù)據(jù)來源學習各種概念：“它能解釋自然語言文本，意象和錄像；能運用其傳感器來觀察人類；且能通過與它們互動的方式來學習事物?！眲?chuàng)建者相信，通過學習和共享大規(guī)模知識，不同的機器人能夠在各種新情境下更快速敏捷地完成各種任務。“機器人大腦”的創(chuàng)建改變了機器人的深度學習方式。傳統(tǒng)上，機器人學習的重心是規(guī)則學習。隨著大數(shù)據(jù)時代的到來，機器人開始從規(guī)則學習轉向多模態(tài)數(shù)據(jù)學習。

　　機器人大腦：使機器人深度學習成為可能

　　“機器人大腦”本質上是一個大規(guī)模眾源（crowd-sourcing）大數(shù)據(jù)庫，它所存儲的知識來源多樣，包括機器人在完成各種任務（如感知、計劃和控制等）時所關涉的物理互動、萬維網知識基礎以及領先的機器人研究小組所創(chuàng)建的各種可學習性知識表征。

　　“機器人大腦”的創(chuàng)建在很大程度上改變了大數(shù)據(jù)挖掘過度依賴單一文本數(shù)據(jù)模態(tài)來源的現(xiàn)狀。受制于技術局限性，面向人類的大規(guī)模知識引擎的數(shù)據(jù)來源主要是萬維網中“結構化”的文本模態(tài)數(shù)據(jù)，而無法有效挖掘其他一些“非結構化”的數(shù)據(jù)模態(tài)如符號、圖片、視頻、音頻等?！敖Y構化數(shù)據(jù)”主要指能被數(shù)據(jù)庫所理解的、可以被邏輯表征的數(shù)據(jù)，而“非結構化數(shù)據(jù)”主要指無法被邏輯表征的數(shù)據(jù)，主要包括多種數(shù)據(jù)模態(tài)：文本、圖片或圖像、觸感、XML、HTML、各類圖表或報表、音頻和視頻信息等等。

　　據(jù)資料統(tǒng)計，在大數(shù)據(jù)變革風起云涌的今天，世界約80%的數(shù)據(jù)都是“非結構化數(shù)據(jù)”。在云計算出現(xiàn)之前，傳統(tǒng)計算機無法處理這些巨量數(shù)據(jù)。借助于以云計算為基礎的信息挖掘、存儲、處理和展示技術，我們可以在某種程度上有效地對其進行分析和計算。如此一來，“非結構化數(shù)據(jù)”的價值得到極大凸顯。由于面向機器人的知識引擎在很大程度上是由“非結構化數(shù)據(jù)”組成的，而其本質上又是眾源數(shù)據(jù)，因此，如何有效編碼多種不同的數(shù)據(jù)模態(tài)并構建一個能與多種數(shù)據(jù)來源兼容的知識表征構架是“機器人大腦”面臨的最大挑戰(zhàn)。為此，“機器人大腦”訴諸于圖表構架以解決不同數(shù)據(jù)模態(tài)之間的沖突和不一致問題。