根據谷歌工程師介紹，之所以AlphaGo能獲得如此大的突破，主要得益于其研發團隊采用了人工智能中*先進的深度學習技術（Deep Learning），通過深入學習AlphaGo不僅能從千萬盤由人類圍棋對弈的歷史棋譜組成的大數據中自我學習，并且能通過每天數萬盤的自我對弈中積累經驗，這樣驚人的學習能力是人類不可企及的。

作為棋迷的小編當時也看了比賽的直播，在看到李世石對面的谷歌工程師在替AlphaGo下棋時突然“腦洞大開”，如果替AlphaGo下棋的是一臺工業機器人，當擁有深度學習功能的“*強大腦”配上具備視覺和力覺傳感功能且在執行端無比精準的工業機器人會是怎樣的一副畫面？

去年9月，全球領先的工業機器人制造商FANUC出資9億日元入股人工智能技術開發公司Preferred Networks（PFN），并借助PFN在深入學習方面的專業技術開發自我學習和自我修復的工業機器人。

在3個月后的“2015國際機器人展”上，FANUC展示了在深入學習以及FANUC iRVision視覺系統下的機器人免示教散件分揀。在事先不向機器人輸入工件易吸附部位的信息情況下，機器人憑借基于深度學習技術的強化學習（Reinforcement Learning）和試錯法進行自我學習，在完成1000份數據的學習后，機器人分揀工件的成功率為60％，而在完成5000份數據的學習后，成功率則提高到了90％，這一成功率與熟練工人調試后的成功率相當。

圖1：機器人免示教散件分揀

圖2：圖中的數字為定量推測的分揀成功率，機器人按照從易到難的順序進行抓

這是不是與AlphaGo通過自我對弈來提升棋力有異曲同工之妙？在深度學習出現之前，過去采取的方法就是人類耗費巨大的精力編寫程序，輸入機器然后執行預定的功能，而有了深度學習以后，人類只需要編寫讓機器人深度學習的程序，機器就能夠實現在龐大的數據積累過程中通過學習來實現智能化操作，并且其水平可以在數據增加的過程中不斷得到提升。

根據計劃，FANUC機器人還將利用深度學習來發現人類編程中考慮不到的細微動作，從而實現更高的產品制造優化目標。除此之外，深度學習還將應用于FANUC機器人及機床產品的預防性維護以及多機器人協作領域，來幫助用戶減少生產線停線時間和提升生產效率。

寫到這里小編眼前浮現出未來工廠的一幕：設計部的小李在下班前將新設計好的樣品交給生產線上的FANUC機器人，晚上機器人將樣品拿在手上一（Shen）番（Ru）琢（Xue）磨（Xi）后，便自動生成程序并糾正在試產時出現的生產錯誤，以及對生產過程的精益優化。第二天小李上班時生產線已完成了成品的生產。

工業機器人+AlphaGo（深入學習）=？快說出你心中的答案吧！