未来将传感器集成到工业机器人中，是机器人变得更加紧密的一种方式。我们有五种感官。今天，机器人大多只使用一种:视觉。这些系统的功能将会继续改进，我可以想象机器开始理解手势，例如在有很多噪音的环境中。但我希望看到机器人添加其他感官。未来的机器人将能够听语音命令，并识别制造工厂中不正常工作的噪音。他们也许可以用触摸来确认某一种产品是否足够光滑，也许他们可以品尝特定化合物的混合物。在机器人技术中，受限制的感觉可能是气味，但一些公司正在研究这种功能的传感器，其未来的应用前景令人着迷。例如，尿液的气味被发现是导致某些癌症的主要指标，而且已经证明蜜蜂可以闻到爆炸物。想象一个农业环境，水果可以根据成熟度进行选择。

　　人与机器人合作的一个重要因素是偶发性合作。开发人员需要把两个关键因素放在他们的思想中心。首先，当需要机器人时，它必须立即对人类作出反应。其次，这些系统的部署环境远非理想，而且往往难以预测。设计师需要考虑非理想的情况，并确保系统在任何时候都能保证人类的安全。

　　我在工厂里看到的一个实验或许可以解释我的想法。一家公司正在研究用无人机在大型仓库中进行库存检查。这听起来像是可以快速、准确和安全地完成的事情，直到部署人员看到条形码被撕掉并以不统一的方式放在货架上。周围还有大量的灰尘被无人机推来推去。仓库里的照明在白天和晚上有很大的差异，无人机必须在通道里导航梯子、叉车、箱子等。所有仓库都是不同的，这挑战了无人机供应商的商业模式，以及一系列技术挑战（充电等）。如果机器人看到它不能识别的东西，系统必须默认为安全状态，在这种状态下，人工干预可以重新启动服务。

　　目前，机器人仍然需要由人类监控，但我认为人工智能将会有所帮助。我们将看到机器人的能力提高，随着它了解更多的工厂设置部署和它遇到的场景。许多人对人工智能的前景感到兴奋，我也是。然而，我呼吁保守主义，推迟推出，因为需要考虑到所有可能的情况，而不是急于成为第一个。

　　例如，如果协作机器人不与外部世界连接，只使用本地计算资源，这一方面增加了安全性，但也使人工智能的自我学习过程更加困难。我认为，适当的平衡应该是将本地学习与利用聚集在云端的学习所获得的规模力量相结合。如果连通性不能保证安全，我会牺牲额外的学习。

　　效率和准确性可以说是人工智能和机器人的优势，但批判性思维和创造力仍然缺乏。在工厂里，有各种各样的情况还没有被完全理解。我们已经在汽车行业看到了这种情况，普通汽车已经经过了数百英里的测试，而一些新的自动驾驶功能已经在数百万英里的驾驶中。它正在改善，但问题仍然存在。在工厂环境中，直线下降的情况是对业务效率的重大打击，更重要的是，对人的伤害是一个重大问题。要完全信任这些自动系统还需要一段时间。

　　为了帮助解决这个问题，我们必须为硬件的失败和软件的错误结论做好准备。必须有保障措施，以确保不发生恶意攻击或危及生命的不当行为。系统架构是这样的，一切都是锁定的。“把所有的门都锁上，不仅仅是前面的那扇，”微软在几年前的AzureSphere项目中宣布，这个类比一直困扰着我。

　　当我们离开家的时候，我们锁上前门。在物联网的世界里，我们需要锁住每一扇门——无论是室内还是室外。从网络的角度来看，如果出现漏洞，进入者只能访问一部分有价值的资产。软件和硬件必须对系统进行分区，以隔离功能，为了实现这一点，他们必须立即意识到他们已经受到威胁，并发送实时警报。

　　这是人工智能在工业物联网应用中发挥作用的一种方式:识别该系统的反常行为，并提醒用户决定正确的行动路线。选项包括断开系统与网络的连接，屏蔽特定的IP地址，以及禁用某些系统功能。很简单，开发者必须做好被黑客攻击的计划。没有100%的系统。物联网系统需要随着时间的推移继续提高免受攻击的免疫力水平，但同样，如果系统受到损害，则必须迅速恢复到已知的安全状态。