根据谷歌工程师介绍，之所以AlphaGo能获得如此大的突破，主要得益于其研发团队采用了人工智能中*先进的深度学习技术（Deep Learning），通过深入学习AlphaGo不仅能从千万盘由人类围棋对弈的历史棋谱组成的大数据中自我学习，并且能通过每天数万盘的自我对弈中积累经验，这样惊人的学习能力是人类不可企及的。

作为棋迷的小编当时也看了比赛的直播，在看到李世石对面的谷歌工程师在替AlphaGo下棋时突然“脑洞大开”，如果替AlphaGo下棋的是一台工业机器人，当拥有深度学习功能的“*强大脑”配上具备视觉和力觉传感功能且在执行端无比精准的工业机器人会是怎样的一副画面？

去年9月，全球领先的工业机器人制造商FANUC出资9亿日元入股人工智能技术开发公司Preferred Networks（PFN），并借助PFN在深入学习方面的专业技术开发自我学习和自我修复的工业机器人。

在3个月后的“2015国际机器人展”上，FANUC展示了在深入学习以及FANUC iRVision视觉系统下的机器人免示教散件分拣。在事先不向机器人输入工件易吸附部位的信息情况下，机器人凭借基于深度学习技术的强化学习（Reinforcement Learning）和试错法进行自我学习，在完成1000份数据的学习后，机器人分拣工件的成功率为60％，而在完成5000份数据的学习后，成功率则提高到了90％，这一成功率与熟练工人调试后的成功率相当。

图1：机器人免示教散件分拣

图2：图中的数字为定量推测的分拣成功率，机器人按照从易到难的顺序进行抓

这是不是与AlphaGo通过自我对弈来提升棋力有异曲同工之妙？在深度学习出现之前，过去采取的方法就是人类耗费巨大的精力编写程序，输入机器然后执行预定的功能，而有了深度学习以后，人类只需要编写让机器人深度学习的程序，机器就能够实现在庞大的数据积累过程中通过学习来实现智能化操作，并且其水平可以在数据增加的过程中不断得到提升。

根据计划，FANUC机器人还将利用深度学习来发现人类编程中考虑不到的细微动作，从而实现更高的产品制造优化目标。除此之外，深度学习还将应用于FANUC机器人及机床产品的预防性维护以及多机器人协作领域，来帮助用户减少生产线停线时间和提升生产效率。

写到这里小编眼前浮现出未来工厂的一幕：设计部的小李在下班前将新设计好的样品交给生产线上的FANUC机器人，晚上机器人将样品拿在手上一（Shen）番（Ru）琢（Xue）磨（Xi）后，便自动生成程序并纠正在试产时出现的生产错误，以及对生产过程的精益优化。第二天小李上班时生产线已完成了成品的生产。

工业机器人+AlphaGo（深入学习）=？快说出你心中的答案吧！