近日，据国际学术顶刊《科学》旗下子刊《科学·机器人学》（Science Robotics）刊登的文章，德国莱比锡大学研究者将微型游泳机器人与机器学习结合起来，依托AI技术，微型游泳机器人能更快达到目标，未来还可进行“自主”思考，记住运动过程。

与细菌不同的是，它们不能修正自己的行动方向，只能倾向于进行布朗运动（浮在液体或气体中的微粒所作的永不停息的无规则运动）。德国莱比锡大学的弗兰克·奇科斯（Frank Ci chos）说：“一个真正的细菌可以自我感知并决定去向，因为它想要食物。”

如何让微型机器人更像细菌一般自由游走？

奇科斯和同事决定给他们的微型游泳机器人一个“大脑”：一个机器学习算法。

一、温差驱动，算法追踪进行目标奖惩

奇科斯团队的微型游泳机器人是一团三聚氰胺树脂，其表面覆盖了覆盖了30%的金纳米粒子。他们将一束狭窄的激光束对准机器人表面的一个点，加热金纳米颗粒，通过温度差驱动，使得微型游泳机器人穿过流体。

机器学习算法——这一微型游泳机器人的“大脑”就在附近的计算机上运行。奇科斯团队的实验研究超越了以往纯粹的计算机研究，能够观察到整个机器学习过程的优化参数，根据其动态建立基本的信息模型。它跟踪机器人的运动，并指示激光在其表面的一个精确点发射，使其更接近目标。

如果该指令使微型机器人更接近其目标，则算法得到奖励；如果指令使微机器人进一步远离目标，算法则得到惩罚。

二、7h训练，指令可缩减至1/6

随着时间的推移，算法从这些奖励和惩罚中能够学习到：哪些指令最适合让微型游泳机器人快速有效地到达目标。

经过7个小时的训练，微型游泳机器人达到目标所需的指令数量，成功从600个减少到100个，减幅达83%。

在学习过程的不同阶段，微型机器人呈现出不同的行为特点。在开始阶段，微型机器人通常在网格世界的任意位置。随着学习训练的增加，微型机器人的轨迹变得更为持久，运动目标也更为明确，为实现目标而采取的平均行动步骤也不断减少。

机器学习算法帮助微型机器人在液体中游动更好的朝着目标运动，而不会被随机运动的微粒干扰“旅程”。

英国谢菲尔德大学的乔纳森·艾特肯（Jonathan Aitken）说道：“研究微生物运动，对于生物学和生物医学科学的发展具有重要意义。”“模仿微生物的运动很难，但这种模仿能更让我们了解到它们的性质和在环境中的重要作用。”

三、“受控”到“自控”，还需化学信号的引入

目前，微型游泳机器人的控制系统还位于机器外部，但奇科斯希望引入化学动力信号，让微型机器人的结构类似于我们的身体，在未来进行“自主”思考。

奇科斯说：“我们决定将微型游泳机器人与机器学习结合起来，这有点像我们在生活中做的事情。”“我们体验所处的环境，根据所做的事情的成功与否，判断是否会将其铭记于心。”

结语：AI正加速自主微型机器人发展

机器学习是人工智能的核心，是使计算机具有智能的根本途径。微型机器人的智能化探索，将逐渐增加其自身技能，未来除“游泳”外还能大显身手，在靶向治疗、药物运输、环保等场景下为人类带来更多福音。

凯文·凯利在《失控》中曾提到：机器，正在生物化；而生物，正在工程化。微型机器人向活体微生物的“进化”，正是对这一预言的印证。