機(jī)器人在近幾年取得的進(jìn)展還是比較大的，波士頓動(dòng)力的那只機(jī)器狗就是很好的例子。不過(guò)，在之前的幾十年中，機(jī)器人的進(jìn)展確實(shí)不大。
為什么會(huì)出現(xiàn)這種情況呢？這是因?yàn)橹钡浇鼛啄耆斯ぶ悄懿磐黄屏俗约旱钠款i，進(jìn)入到一個(gè)快速發(fā)展期。近代人工智能依賴的一個(gè)重要理論是深度學(xué)習(xí)。盡管這不是一種新的理論，但是，深度學(xué)習(xí)要想取得好的成效需要具備三個(gè)條件，即大量的數(shù)據(jù)、算法、算力。這三個(gè)條件，尤其是算力和數(shù)據(jù)，都是在近幾年才得到很好的滿足，從這種意義上講，機(jī)器人在近幾年才取得突破性的進(jìn)展也是自然而然地結(jié)果。
這里說(shuō)到算力，補(bǔ)充一點(diǎn)，即深度學(xué)習(xí)為什么需要那么高的算力才可以出效果？其實(shí)這與我們的計(jì)算機(jī)結(jié)構(gòu)有很大關(guān)系。傳統(tǒng)計(jì)算機(jī)是把存儲(chǔ)和計(jì)算分開(kāi)的，這樣的設(shè)計(jì)其實(shí)并不適合人工智能。因?yàn)椋绻麉⒖甲匀唤绺鞣N生物的神經(jīng)元，每個(gè)神經(jīng)元實(shí)際上都有存儲(chǔ)和計(jì)算的能力。但是沒(méi)有辦法，這里有個(gè)路徑依賴的問(wèn)題。既然是依靠傳統(tǒng)的計(jì)算機(jī)上設(shè)計(jì)人工智能，就只能遵從其相應(yīng)的規(guī)則。也就是說(shuō)，我們現(xiàn)在的人工智能，實(shí)際上是通過(guò)編程的方式在傳統(tǒng)架構(gòu)中構(gòu)建人工神經(jīng)網(wǎng)絡(luò)，這并不是一種最優(yōu)的方式，換一種方式，直接在芯片中編排神經(jīng)元晶體管來(lái)構(gòu)建人工神經(jīng)網(wǎng)絡(luò)可能會(huì)更好一些。值得一提的是，得益于材料科學(xué)的發(fā)展，同時(shí)具有存儲(chǔ)和計(jì)算能力的神經(jīng)元晶體管已經(jīng)被德國(guó)的亥姆霍茲研究中心（HZDR）設(shè)計(jì)出來(lái)。至于未來(lái)呈現(xiàn)一個(gè)什么樣的走向，也是一個(gè)路徑選擇問(wèn)題。
補(bǔ)充的這些資料可以從另外一個(gè)角度來(lái)說(shuō)明在一個(gè)很長(zhǎng)的時(shí)期內(nèi)機(jī)器人沒(méi)有取得進(jìn)展的原因，其中，路徑依賴問(wèn)題是主要的。從另一方面講，要想更好的進(jìn)行創(chuàng)新，就要思考問(wèn)題的本質(zhì)所在，一味沿著原來(lái)的道路前進(jìn)，有時(shí)并不是一種好的選擇。