如果量子计算还不够烧脑的话，D-Wave Systems 的一位创始人又看上了另一个未来十足的想法：使用人工智能和高科技外骨骼让人类(或者让猴子——根据对该技术的一份描述文件)能够控制和训练智能机器人大军。
　　Geordie Rose 是 D-Wave 的联合创始人兼首席技术官，该公司正在销售据称使用了量子力学效应的计算机器——据说其在一些特定问题上的计算速度已经达到了传统计算机的数亿倍。
　　而 IEEE Spectrum 经过调查发现 Rose 同时还是另一家公司 Kindred Systems(也叫 Kindred AI)的 CEO，这家处于隐身模式的创业公司创立于 2014 年，致力于提供远程控制的和自主的机器人。他们的目标是让机器人编程更快更便宜，甚至可能彻底变革全世界的工作。

　　Kindred 目前已经融资了 1000 万美元——据 Data Collective，这家风险投资公司领投了其中一轮。另一家硅谷风投公司 Eleven Two Capital 也参与了投资。Data Collective 在一片博客文章中描述 Kindred 是「使用人工智能驱动的机器人，使得一个人类工人就能完成四个人的工作。」
　　Kindred 最近申请了美国的专利，其描述是：一种操作者可穿戴头戴式显示器和外骨骼套装来执行日常任务的系统。然后来自该套装和其它外部传感器的数据可在被分析后用来控制远程机器人。
　　Kindred 一直以来都很低调，没有发过媒体新闻稿，也只有一个非常简单的网站：www.kindred.ai。但是，去年 11 月时，一位 D-Wave 前研究者、Kindred 的联合创始人兼 CTO 曾告诉一些技术人士说该公司正在打造使用机器学习来识别模式和进行决策的个人机器人。
　　她说：「量子力学很酷，但机器人中的类人智能更酷。」
　　Kindred 位于加拿大不列颠哥伦比亚省温哥华，其最近提交的一份美国专利申请揭示了其勃勃雄心。该文件描述了一种头戴式显示器和带有传感器和执行器的外骨骼系统，操作者可穿戴它来执行日常任务。然后云端的计算机会分析来自该套装和其它外部传感器的数据，并依据分析结果控制远程机器人。这些数据也可被用训练机器学习算法，这让机器人可以自动模仿操作者的动作。

　　「操作者可能包含了非人类的动物，比如猴子。」该专利写道，「而且操作接口可能……需要重新调整尺寸以弥合人类操作者和猴子操作者之间的差异。」(事实上，这并非第一种让猴子直接控制机器人的设备，但之前的结果更关注脑机接口(参考阅读《斯坦福开发机器学习脑机接口，帮助猴子打出了莎士比亚名句》)，而不是机器人控制和自动化。)
　　来自美国专利申请 US20160243701A1。带有传感器和执行器的外骨骼套装渲染图，操作者可以穿戴它来远程控制机器人
　　该专利申请描述一些有关操作者接口的细节、一套包含头部和颈部运动传感器的可穿戴机器人套装(上图)、用于捕捉手臂运动的设备和触感手套。其操作者可以使用脚踏板来控制机器人的移动，以及使用一个类似 Oculus Rift 的虚拟现实头设来体验机器人所看到的内容。该套装甚至还包含化学和生物传感器，还有用于捕捉脑波信号的 EEG 和 MRI 设备。
　　其所设想的机器人是 1.2 米高的人形机器人，外部还可能会覆盖一层合成皮肤，拥有两个(或更多)机器臂(用作手或夹持器)和用于移动的轮式底盘。它头上安装的相机可以为其猴子操作者传输高精度视频，同时它还带有用于红外和紫外成像、GPS、触控、临近度和应变度探测的传感器，甚至还带有一个辐射检测器。
　　该系统可被用于直接远程操控，操作者可以操作远程机器人来完成工业和家庭任务。充满传奇故事的机器人实验室 Willow Garage 曾在 2011 年实验了一款类似的系统 Heaphy，还取得了一定的成功。
　　现在 Kindred 想要实现远程机器人的下一步。「尽管包含在人类大脑中的用于执行各种人类可执行的任务的大量信息是可用的，但过去用于执行这些任务的机器人相关设备却并没有或并没有充分地使用到它们。」Kindred 的专利文件表示。此外它还提到：「操作者也可能包含非人类的动物，比如猴子。而且操作接口可能……需要重新调整尺寸以弥合人类操作者和猴子操作者之间的差异。」
　　更重要的是，该公司想要该系统能够从其操作者身上学习，最终让机器人可以在没有人类——或猴子——的控制下执行任务。该专利表示：「设备控制指令和和在多轮运行中生成的环境传感器信息可以被用于衍生自动控制信息，这些信息可被用于促进自动化设备中的自动行为。」
　　该文档还表示 Kindred 将使用「深度分层学习算法(deep hierarchical learning algorithms)」来实现这一目标，其中包括条件深度信念网络(CDBN: conditional deep belief network)和条件受限玻尔兹曼机(CRBM: conditional restricted Boltzmann machine)——这是一种强大的循环神经网络(recurrent neural network)。
　　来自美国专利申请 US20160243701A1，上图展示了多个操作者和机器人通过 Kindred 的云端人工智能系统进行交流通信的方式
　　事实上，该专利的发明者之一 Graham Taylor 在 CDBN 和 CRBM 上都有一些研究贡献。Taylor 是安大略省圭尔夫大学机器学习研究组(Machine Learning Research Group)的负责人。他曾经在多伦多大学师从深度学习先驱 Geoff Hinton(Hinton 在 1985 年联合发明了玻尔兹曼机，他现在同时在谷歌和多伦多大学工作)。
　　量子计算公司 D-Wave 表示该系统的运算「类似于玻尔兹曼机」，而且其研究团队「正在研究并行使用这些架构来从根本上加速深度的和层次化的神经网络的学习。」

　　2010 年时，Geordie Rose 与人合著了一篇论文《The Ising model: teaching an old problem new tricks》称量子计算机可以在一些类型的机器学习应用上比传统计算机更加高效。这会成为新领域——量子机器人(quantum robotics)——的开端吗?
　　Kindred 和 D-Wave 都没有回应 IEEE Spectrum 对此要求评论的请求，但据 LinkedIn 资料和加拿大的政府记录，Kindred 在温哥华有大约 25 名员工，包括几位原来 D-Wave 的员工。该公司似乎在旧金山湾区也有人，包括一位专门从事机械设计和机电一体化整合的机电一体化工程师。
　　至于实际的应用，该专利提到了工业制造、家务甚至娱乐。它说：「其所执行的任务可能包括做一杯咖啡或表演编排的舞蹈。一位操作者……也许是一位表演者……可以提供可录制的动作集合(比如一组口头交流可通过机器人上的扬声器播放出来)。」
　　尽管目前还不清楚 Kindred 的远程机器人系统已经做到哪种程度了，但该文件已经给出了该系统的外骨骼 3D 渲染模型、一些组件的详情、以及手套组件与机器人履带的照片。
　　IEEE Spectrum 联系的机器人专家说这使得编程机器人更简单，如同 Kindred 想要做的那样，它将成为该领域的一大进步。但该公司是否有能力交付出描述的那样的系统有一些怀疑。在 Willow Garage 开发出 Heaphy 遥控机器人系统的 Tim Filed 说，「应用机器学习的部分远超如今的顶尖水平，它所需要的数据量是天文级的。」他提到了 Google Research 系统让机械臂学会从篮子中挑选物体进行了 80 万次尝试。他解释说，「想象一下使用人工操作进行 80 万次尝试所花费的时间，如今这是不可能的。」
　　俄勒冈州立大学的机器人专家 Bill Smart 说，「理论上这是一个不错的思路，但里面的技巧是要抓住任务的环境。此外，我敢打赌人类是没法让机器人实现最佳的运动方式的，因为人与机器有不同的动力学。」
　　使用灵长类动物教机器人如何唱歌、跳舞这个思路如何呢?Smart 开玩笑说，「如果你有无限量的猴子，你可能会得到一个最优的控制器吗?但保持它们做任务就是一个噩梦。」