211service.com
Japāņu robotikas gigants piešķir savām rokām dažas smadzenes
Lielie, mēmi, vienmuļie industriālie roboti, kas atrodami daudzās rūpnīcās, drīzumā varētu būt daudz gudrāki, pateicoties mašīnmācības prasmju ieviešanai, kas strauji iziet no pētniecības laboratorijām. Fanuc, viens no pasaulē lielākajiem rūpniecisko robotu ražotājiem, paziņoja, ka sadarbosies ar Nvidia, Silīcija ielejas mikroshēmu ražotāju, kas specializējas mākslīgā intelekta jomā, lai saviem produktiem pievienotu mācību iespējas.
Darījums ir svarīgs, jo tas parāda, kā nesenie AI sasniegumi ir gatavi pārstrādāt ražošanas nozari. Mūsdienu industriālie robotprogrammatūras parasti ir ieprogrammētas tā, lai ļoti precīzi un precīzi veiktu vienu darbu. Taču katru reizi, kad mainās ražošanas process, roboti pēc tam ir jāpārprogrammē no nulles, kas prasa laiku un tehniskās zināšanas.
Mašīnmācība piedāvā veidu, kā robotam pārprogrammēt sevi, mācoties, kā kaut ko darīt praksē. Iesaistītajā paņēmienā, ko sauc par pastiprināšanas mācīšanos, tiek izmantots liels vai dziļš neironu tīkls, kas kontrolē robota rokas kustību un maina tās uzvedību, pastiprinot darbības, kas tuvina to gala mērķim, piemēram, konkrēta objekta paņemšanu. Un procesu var arī paātrināt, sadarbojoties daudziem robotiem un pēc tam daloties tajā, ko viņi ir iemācījušies. Lai gan pēdējos gados robotus ir kļuvis vieglāk programmēt, viņu mācīšanās spējas nav īpaši attīstījušās.
Nvidia ražotās grafikas apstrādes vienības, kas nodrošina ātrdarbīgu paralēlo aprēķinu, ir īpaši piemērotas dziļai apguvei. Fanuc izmantos Nvidia procesorus atsevišķos robotos, kā arī centrālajā sistēmā, kas kontrolē visus botus rūpnīcā. Apmācība tiks ievadīta centrālajā sistēmā, ko Nvidia sauc par GPU superdatoru, un apmācītie modeļi pēc tam tiks pārnesti uz robotiem, lai veiktu darbības, izmantojot datora redzi un dziļu mācīšanos.
Sarežģīti roboti ar augstu artikulācijas līmeni var veikt uzdevumu daudzos veidos, tāpēc tie rada daudz datu un prasa milzīgu skaitļošanas jaudu, saka Masataka Osaki, Nvidia pasaules operāciju viceprezidents.
Fanuc ražo plašu industriālo robotu klāstu, ko izmanto visdažādākajos iestatījumos, sākot no auto rūpnīcām līdz elektronikas un pārtikas ražošanas iekārtām. Uzņēmums ir progresējis, savienojot savus robotus ar mākoni un pētot veidus, kā izmantot sasniegumus mašīnmācībā (skatiet 50 gudrākie uzņēmumi: Fanuc).
Pastiprināšanas mācības ir īpaši aktuāla robotikas pētniecības joma. Google izmantoja šo paņēmienu, lai izveidotu programmu, kas iemācījās spēlēt neticami sarežģīto un smalko galda spēli Go to pārcilvēciskā līmenī. Tāpat kā Go, prasmes, kas nepieciešamas, lai robots varētu manipulēt ar objektiem vai veikt citus uzdevumus, var būt sarežģīti programmēt ar roku.
Ašūts Saksena , uzņēmuma ar nosaukumu Brain of Things dibinātājs un robotu mācīšanās eksperts saka, ka rūpniecisko robotu datu apmaiņas nodrošināšana ir svarīga ideja. Viņš saka, ka agrāk šādi roboti netika izstrādāti, ņemot vērā datu koplietošanu. Padziļināta mācīšanās ir īpaši piemērota, lai apstrādātu šādas variācijas bez īpašas manuālas programmēšanas.
Mēs redzam iespēju izveidot milzīgu sinerģiju starp AI mācību kopienu un tradicionālajiem rūpnīcas robotu veidotājiem, saka Yezhou Yang , docents, kurš vada robotu mācību laboratoriju Arizonas štata universitātē. Taču Jans saka, ka, tā kā robota programmēšanā neviens nav iesaistīts, operatoriem cilvēkiem būs grūti saprast, kā sistēma patiesībā darbojas.
Viņi to uzskatīs par melno kasti, saka Jans. Ko darīt, ja kaut kas noiet greizi? Mums ir nepieciešams sava veida interfeiss. Es uzskatu, ka vēl ir jāpaveic milzīgs darbs, lai nodrošinātu izskaidrojamību.
Fanuc jau kādu laiku ir pētījis pastiprināšanas mācīšanās izmantošanu, iepriekš strādājot ar Japānas uzņēmumu Preferred Networks (skatiet Factory Robot Learn a New Job Overnight). Citi ir skaidri izspiegojuši iespēju attīstīt mākslīgo intelektu, kas nepieciešams jaunas paaudzes robotiem, gan rūpnieciskiem, gan tādiem, kas varētu darboties citās darba vietās vai pat mājās (skatiet Google Builds a Robotic Hive-Mind Kindergarten).