找不到您的车钥匙？机器人会比你记得更好

就像咖啡机和 Roombas 一样，这些机器人伴侣——加上摄像头和人工智能算法——很快就会成为我们记忆力日益受损的人类的家庭设备。

早在 2015 年，信息渠道就充斥着关于人类完成基本任务的注意力持续时间骤降至 8.25 秒的报道。更不光彩的是报告中的一个细节：人类的注意力集中能力低于金鱼的注意力持续时间，金鱼的注意力持续时间只有 9 秒。

当你发现这一切都不是真的时，你几乎可以听到松了一口气。（金鱼显然有记忆并且可以学习！）

这个非常可信的神话的种子显然是在微软的一份报告中播下的。然而，如果你去掉那些充斥在无数新闻报道中的耸人听闻的信息，你就会发现，事实证明，背后的事实是令人震惊的。

我们的注意力持续时间正在缩短。

准备忘记

加州大学欧文分校信息学教授 Gloria Mark 博士研究数字媒体如何影响我们的生活，她写了一本书验证我们的专注能力正处于危险之中的假设。

“2004 年，我们测量屏幕上的平均注意力为两分半钟，”马克写道。 “几年后，我们发现人们的注意力持续时间约为 75 秒。现在我们发现人们平均只能关注一个屏幕 47 秒，”她说。

在短短 10 年内，平均注意力从 150 秒减少到 47 秒，这是一个惊人的下降，可能会对我们的物种产生深远的影响。

许多科学家指出，随着我们越来越依赖技术来完成我们过去用大脑为自己做的事情，我们人类中正在发生一种称为认知衰退的情况。

当你阻止你的大脑做一些困难的事情，比如阅读地图到达目的地，而不是使用谷歌地图等 GPS 来引导你到达目的地时，你就是在为帮助你的物种进化的事情踩刹车。

它变成了一个恶性反馈循环。蒙特利尔麦吉尔大学研究记忆和遗忘神经生物学的奥利弗·哈特教授说：“一旦你停止使用你的记忆力，情况就会变得更糟，这会让你更多地使用你的设备。”

“我们可以预测，长时间使用 GPS 可能会降低海马体中的灰质密度……基于 GPS 的导航系统不需要你形成复杂的地理地图。相反，它们只是告诉你方向，比如‘在下一盏灯，”哈特说。

与被迫使用物理地图不同，听地图应用程序不会太多地吸引海马体，这需要更大、更复杂的认知过程。它给我们带来了灾难性的后果。

哈特指出，长期使用 GPS 的人的大脑图谱作为确凿的证据——他们在需要海马体的空间记忆能力上表现出明显的损伤。

因此，美国人平均每年花费 2.5 天寻找东西并花费 27 亿美元的重置成本也就不足为奇了。在这个群体中，千禧一代丢失物品的可能性是婴儿潮一代的两倍。

许多其他测量指标已经表明工作中存在一些可怕的情况。例如，普通人每周拿起手机的次数超过 1,500 次。事实上，仅仅智能手机的存在就会降低认知能力。

哈特还没有数据，但他认为“这样做的代价可能是痴呆症的大幅增加。”

滑铁卢大学寻找丢失物品的解决方案包括为 Fetch 机器人配备人工智能算法和摄像头

这对我们的社会意味着什么？我们必须为未来做好准备——无论我们是否患有痴呆症，我们都无法做最基本的事情。换句话说，我们必须找到一种在潜在的慢性记忆障碍时代生存和存在的方法。

在这种背景下，有两种非常巧妙且相对便宜的解决方案，旨在帮助记忆障碍患者探索世界。

加拿大安大略省滑铁卢大学的一个研究小组设计了一种具有情景记忆的伴侣机器人，虽然最初是为痴呆症患者设计的，但因其能够帮助任何习惯性健忘的人而受到称赞。

如果我们目前的记忆问题变得更糟，这种伴侣机器人可能会像咖啡机或 Roomba 吸尘器一样成为家庭中的重要固定装置。

滑铁卢研究团队从 Fetch 移动操纵机器人开始，该机器人配备内置摄像头和卷积神经网络。研究人员利用深度学习和物体检测算法，教会机器人识别、跟踪和保存房间内物体的记忆日志。这些信息被存储在视频中，能够记录物体进入或离开机器人视野的时间和日期。

研究人员还开发了一个图形界面，使用户能够选择他们想要跟踪的对象。

换句话说，如果您忘记了上次将手机放在客厅的位置，您只需在该界面中输入丢失的对象的名称，该对象的位置就会向您显示。

该大学电气和计算机工程博士后、首席研究员 Ali Ayub 表示，跟踪准确度目前约为 90%，但仍在不断提高。

“这的长期影响确实令人兴奋，”阿尤布博士说。 “用户不仅可以使用伴侣机器人，还可以使用可以赋予他们更多独立性的个性化伴侣机器人。”

麻省理工学院针对丢失物品的解决方案使用配备 RFID 无线天线的机械臂，可以检测粘贴有 RFID 标签的物体

麻省理工学院的研究人员解决了同样的记忆受损问题，但采用了不同的方法。他们使用带有内置摄像头和天线的 RFusion 机械臂，它们协同工作来发现并解救可能被一堆东西完全隐藏起来的物品。

该解决方案同样具有吸引力的地方在于它的简单性——物品上粘贴有 RFID 标签——无需电池且非常便宜。（射频识别——又名RFID——本质上是一个无线系统，由可以发射信号的标签和具有可以接收和解释信号的天线的阅读器组成。）

无论物体在哪里以及上面堆放了多少东西，麻省理工学院的 RFusion 系统都可以将它们拖出（只要它们位于机器人手臂操作的区域内）。

利用机器学习，与摄像头和天线集成的机械臂可以精确定位位置。

一旦能够瞄准正确的空间，神经网络就会启动，将来自射频标签的信息以及来自摄像头的人工智能驱动的视觉提示进行网格化，以清除可能位于其上方的其他物体的区域寻找。

这里的关键过程被称为强化学习——通过计算奖励系统，算法被教导如何以尽可能少的动作让机械臂到达目的地。

在调整夹具的角度和宽度并最后一次验证射频标签的准确性后，机械臂拾起物体并将其放置到一侧。

不仅仅是记忆受损的宇宙可以从这个优雅的解决方案中受益。

得益于人工智能算法和 RFID 标签，一种全新的经济高效的解决方案出现了，它可以导航仓库中的成堆订单并履行它们，或者在任何需要导航供应链复杂性的工业设置中工作。

麻省理工学院电气工程和计算机科学系副教授 Fadel Adib 表示：“能够在混乱的世界中找到物品的想法是一个悬而未决的问题，我们已经研究了几年。”

他补充说：“当今工业界对能够在一堆东西下搜索东西的机器人的需求日益增长。”