機器學習已被驗證為讓計算機完成特定任務的有效策略，通過不斷的試錯和數據解析訓練“教會”計算機學習任務的策略，通過自學習培育出精通這項任務的人工智能機器或者程序計算模型。來自哥大工程學院（Columbia Enginering）的機器人團隊一項最新的研究，在深度學習方面又更向前邁進了一步。

在研究中，團隊不再向機器人直接給定一個有特定目標的任務，而是通過限制性的初始條件和控制能力，讓機器人在自學習進程中自主意識到如何學習才能完成任務目標，簡單地說就是能夠自建模型完成任務。

實驗中的機器人依靠自己搞清楚它其實是一個機器人，為一項專門的任務設計，但在測試開始時，它連自己身體的外觀如何都不清楚，但事情很快發生了轉機。

發表於《科學機器人》期刊的論文中，研究團隊解釋了機器人遇到的第一個難關，就是搞清楚自己軀幹的形狀。機器人擁有數個關節構成的長機械臂，起初機器人只是隨機胡亂地揮動機械臂，嘗試找到其機械臂的運動能力和移動範圍。

最終，機器人掌握瞭如何精確移動機械手的足夠知識，它開始拾撿物體，把它們精確地放入容器，到100%的精確率，它根據給予的能力自主意識到任務目標和完成目標。

這一過程中，完全沒有人直接告知機器人該做什麼，研究者只是不斷地改變其計算能力並限制一定條件。起初機器人擁有能夠精確測量其動作的感知能力，類似人能夠“看”到自己手在運動時的動作。後來這一能力被團隊移除了，找到目標前機器人度過了一段難捱的時期，但機器人仍然能夠以44%的精確率拾取並放置物體，令人印象深刻。

儘管這距離實現人工自主意識還很遠，但這是一個有趣的實驗，展示了計算機算法有能力給予機器人學習自身和周遭事物自建問題解決模型的概念。