2008年6月，国际人工智能领域的核心期刊ai的封面是这样的：
前景是两只硕大的包裹着半透明的粉蓝色硅胶的机械手，合成一个碗状，托着一直熟睡中的拉不拉多幼犬。而后景则是整齐码放着的服务器机群。
这一期的ai，封面上印着这样的标题：thetouchofmachine。（中文翻译：“机器的触觉”，“机器的接触”，“机器的抚mo”都可以，就是利用touch的多重含义的。）
文章详细介绍了数字图腾在进行测试的仿生机械手，和支持着仿生机械手顺利运转的庞大的程序组和惊人的服务器机群。
人类的大脑是多么伟大的一个结构，居然能够进行如此庞杂繁复的处理，越是研究人工智能，这个领域的学者们就越是这样感觉。为了支持前台的两个机械手和那些发挥着“眼睛”的功能的镜头组，数字图腾动用了价值7000万美金的服务器机群，用蜂巢体系进行连接，来应付来自机械手和镜头的超乎一般人想象的运算要求。
他们进行了两周的测试后，将机械手的消息写成了专门的通讯稿，发给了ai杂志。在专业领域，数字图腾还是要通过这样的伎俩来维持自己的关注度，同时，也是业界对于数字图腾占据着技术领先地位的认同度。
虽然隐瞒了他们在进行触觉与视觉的联动的实验，而且也没有说他们在机械手里使用了电磁关节，只是大致描述了数字图腾对于触觉的解决方案。但仅仅这个触觉的问题，大概也足够整个业界消化上几个月了吧。
而相比起冷冰冰的技术，那张作为封面的照片，那张机械手托着熟睡的小狗的照片，则显得温情得很。这张照片在公司内外广为流传，而现在正在进行机械手和视觉联动测试得实验室，则将这张照片做了一整面墙那么大的一幅喷绘，放在了实验室的入口处。每个进出实验室的人看到这张照片，都会发出来自内心的微笑。
“幸福是一只温暖的小狗。”绘制了脍炙人口的snoopy系列漫画的查尔斯•；舒尔茨曾这么说。而现在看来，他还是颇有点先见之明的。
在已经进行了一个月的测试里，他们小心翼翼地让机械手尝试了各种各样的触觉，坚硬的或是柔软的，单纯的或是复杂的，就像是父母引导着自己的孩子通过抚mo各种东西来熟悉这个世界。
而机械手的表现也像是在印证着大家的想象。从一开始生疏稚拙的动作，总是要弄破点什么的样子逐渐变成了圆熟简练，能以正确的力度拿起东西了，最后的成果就是机械手可以抚mo和逗弄小狗小猫之类的宠物了，虽然硅胶的表皮似乎不太被小动物喜欢，不过那些小动物看起来颇喜欢机械手轻柔的触感。而后，他们尝试着让机械手开始拿着简单的工具做一些事情，比如，剪刀，小锤子，像是让一个孩子做手工一样设定了各种各样的制作目标。最主要的是做一些石膏的小雕塑。
机械手的半自主行为和当初第一代产品靠遥控操作完全不同，现在只要输入工具和需要完成的目标形状，机械手现在就可以自己判断如何去进行这项工作。由于3个可见光镜头形成的定位相当精确，作出来的小雕塑的精度都很高。自然，雕塑的难度也从非常简单的几何体逐渐向颇为复杂精细的艺术品发展，而最终作品，则是一个思考者的缩小版。
看着机械手和视觉系统配合起来之后的这样的成长，每个参与其中的技术人员都感到了无比自豪。一个技术人员甚至说：“要是装了语音平台，让这家伙叫声爸爸来听听，这辈子我就不必费心找媳妇了。”而这句话居然得到了不少人的赞同。
对于这样的话吕振羽不置一词，显然，他自己也有着类似的感觉。尤其是，达摩潜藏在系统里，通过机械手和视觉系统不断学习，经常向他发来一些表示兴奋，喜悦的表情符号。这个不说话的达摩，完全沉浸在学习的快乐中了，变得更像个小孩子了。
在这个系统里，吕振羽当初费劲心机弄出来的减法学习程序发挥了巨大的作用，如果不是这个程序在不断起作用，让达摩可以通过学习不断去除对形成判断无关的信息，那从机械手上传来的巨大的信息量早就让整个系统崩溃了无数次了。而现在，正是因为这个程序，作为核心的达摩已经掌握了应该如何判断有用信息和无用信息，作为判断依据的信息越来越精简。而后台支持运算的服务器机群，甚至因为运算压力的减小而开始有步骤地关闭了一些。
按照这个速度进行下去，这对机械手最终需要的计算资源，可能也就是4个到6个机柜，看起来不太多的服务器资源吧。吕振羽这样揣测道。
和吕振羽的泰然相比，全世界的程序界和人工智能界基本上处于暴乱的状态。不少对技术有强烈的执着的人每天一封邮件地涌向数字图腾的总裁办公室，电话和传真不断，甚至已经有人直接飞来了上海，号称要“求见”吕振羽。而他们看中的，倒并非是机械手。
要说机械手，日本和美国他们发展的程度绝对不低，在触觉方面，虽然日美的机械手走的都是动作控制的路线，但还是有一些学者进行着触觉模拟方面的实验。人造皮肤，电极压力感应等等一系列技术，都是日美，还有欧洲的一些科学家们首先弄出来的。虽然没有像数字图腾那样，从一开始就走动态感知的路线，并且将一系列触觉技术集大成地运用了起来，但有了数字图腾这么一个榜样，估计大家地干劲一足，成果很快就能出来。
那些人工智能方面的学者们，感兴趣的是吕振羽首次披露给学术界的减法学习模式。一直以来，人工智能界都是将知识与经验的积累作为学习的几乎唯一模式，总是觉得积累的数据越多，那简单的人工智能，哪怕智能级别很低，也还是可以发挥不小的功能的。而数据的堆积，则造成了对作为人工智能的后台的计算机对计算资源和储存空间的不断加量的需求，许多实验没有取得成果前，系统却已经挺不住了。这也就是人工智能领域出成果很慢的原因之一，毕竟任何机构都不可能有无限的资金挥霍在计算机的添置和更新换代上。
而吕振羽开发出的这种减法学习机制，将极大地改变这种情况。
另外有一点，则是这种东西和吕振羽先前抛出的混沌碰撞理论不同。减法学习是切切实实可以用程序实现的，而不用依靠运气。
业界的追捧进一步奠定了吕振羽人工智能领域的第一人和程序界第一人的地位。而在实验基本完成之前，对于所有来访者，吕振羽都一律挡驾。
陈宁也对这个精简了之后仍然算得上庞然大物的东西极感兴趣，虽然她就算来研发中心也很少去任何实验室，但这次却破天荒地陪着吕振羽在实验室里待了足足一个下午，直到下班也不肯走。
↑返回顶部↑