211service.com
Kā cilvēka un mašīnas prāta sajaukums var padarīt robotus gudrākus
Šī robota roka laiku pa laikam piekļūst cilvēka kontrolei, mācoties, kā satvert dažādus objektus.
Slepens Kanādas starta uzņēmums Kindred AI māca robotiem, kā veikt sarežģītus veiklus uzdevumus pārcilvēciskā ātrumā, savienojot tos ar cilvēku pilotiem, kuri valkā virtuālās realitātes austiņas un kustību izsekošanas kontrolierus.
Tehnoloģija piedāvā aizraujošu ieskatu par to, kā cilvēki nākotnē varētu strādāt sinhronizācijā ar mašīnām, un tā parāda, kā cilvēku spēju izmantošana varētu paplašināt automatizēto sistēmu iespējas. Neskatoties uz bažām par robotiem un mākslīgo intelektu, kas novērš darba vietas, ir daudz lietu, ko mašīnas joprojām nevar paveikt. Uzņēmums demonstrēja aparatūru MIT tehnoloģiju apskats pagājušajā nedēļā un saka, ka plāno nākamajos mēnešos laist klajā produktu, kas paredzēts mazumtirgotājiem. Ilgtermiņa ambīcijas ir daudz lielākas. Radniecīgi cer, ka šī cilvēka atbalstītā mācīšanās veicinās principiāli jaunu un jaudīgāku mākslīgā intelekta veidu.
Kindred izveidoja vairāki cilvēki no D-Wave, kvantu skaitļošanas uzņēmuma, kas atrodas Bērnabijā, Kanādā. Kindred pašlaik testē parastās rūpnieciskās robotu rokas, kas spēj satvert un novietot objektus, ar kuriem var būt neērti rīkoties, piemēram, mazus apģērba gabalus, ātrāk un uzticamāk, nekā tas būtu iespējams. Rokas to dara, laiku pa laikam lūdzot palīdzību cilvēku komandai, kas izmanto virtuālās realitātes aparatūru, lai apskatītu izaicinājumu un īslaicīgi pārņemtu roku.
Pilots var redzēt, dzirdēt un sajust, ko robots redz, dzird un jūt. Kad pilots rīkojas, šīs darbības pārvieto robotu, saka Džordijs Rouzs, kurš ir Kindred līdzdibinātājs un izpilddirektors un kurš iepriekš bija D-Wave līdzdibinātājs. Tas ļauj mums parādīt robotiem, kā rīkoties kā cilvēkiem. Cilvēki nav ātrākie vai labākie visos robotu vadības aspektos, piemēram, novietojot lietas noteiktās vietās, taču cilvēki joprojām vislabāk spēj izprast sarežģītas vai neparedzētas situācijas.
Kindred sistēma izmanto vairākus mašīnmācības algoritmus un mēģina paredzēt, vai kāds no tiem nodrošinās vēlamo rezultātu, piemēram, priekšmetu satveršanu. Ja šķiet, ka neviens no tiem nepiedāvā lielu panākumu iespējamību, ir nepieciešama cilvēku palīdzība. Vissvarīgākais ir tas, ka algoritmi mācās no cilvēka kontroliera darbībām. Lai to panāktu, uzņēmums izmanto pastiprināšanas mācīšanās veidu, pieeju, kas ietver eksperimentēšanu un uzvedības stiprināšanu, kas noved pie konkrēta mērķa sasniegšanas (sk. 10 Breakthrough Technologies 2017: Reinforcement Learning ).
Rouzs saka, ka sistēma var satvert mazus apģērba gabalus apmēram divas reizes ātrāk nekā cilvēks, kas strādā pats, savukārt robots, kas strādā neatkarīgi, būtu pārāk neuzticams, lai to izmantotu. Viens cilvēks var vadīt arī vairākus robotus vienlaikus.
Rouzs piebilst, ka Kindred pēta visdažādākās cilvēku cilpas sistēmas, sākot no tādām, kurās cilvēks vienkārši noklikšķina uz attēla, lai parādītu robotam, kur kaut ko satvert, līdz visa ķermeņa eksoskeletoniem, kas nodrošina kontroli pār humanoīdu robotu. Viņš stāsta, ka piloti parasti apgūst, kā efektīvi vadīt attālinātu robotu sistēmu. Kad jūs izmantojat vadības ierīci, sākumā tas ir ļoti nomākta, bet cilvēku prāti ir ļoti plastiski, un jūs pielāgojat, saka Rouzs.
Tehnoloģijas tehniskā iedvesma nāk no Sūzenas Gildertas, kura iepriekš bija D-Wave vecākā pētniece un ir Kindred galvenā zinātniskā darbiniece. Uzņēmums vairākus gadus ir strādājis slepenā režīmā, taču pievērsa uzmanību, kad tika noskaidrota Gilderta iesniegtā patenta informācija. parādījās tiešsaistē . Patentā ir aprakstīta shēma dažādu teleoperāciju sistēmu apvienošanai ar mašīnmācību. Patiešām, Kindred vīzija par savu tehnoloģiju, šķiet, sniedzas daudz tālāk par robotu veidošanu, kas ir prasmīgāki šķirošanas jomā.
Ideja bija tāda, ja jūs varētu to darīt pietiekami ilgi un ja jums būtu sava veida AI sistēma fonā, iespējams, jūs varētu izmēģināt daudz dažādu AI modeļu un redzēt, kuri no tiem ir labāk apmācīti, saka Gilderts. Galu galā es domāju, ka, ja cilvēks var kaut ko demonstrēt ar robota starpniecību, tad nav iemesla, ka robots nevarētu iemācīties būt ļoti cilvēcisks.
Vispievilcīgākais ir tas, ka Kindred patents pat aprakstīja iespēju, ka šādas sistēmas kontrolē dzīvnieki, piemēram, pērtiķi. Gilderts saka, ka šī bija spekulatīva ideja, un pašlaik uzņēmumā nav nodarbināti pērtiķi. Tomēr viņa saka, ka uzņēmumam ir robotizēts kaķis, kas apmācīts, izmantojot pastiprināšanas mācības, un klīst pa biroju.
Kindred ir arī nedaudz neparasts, jo tā dibinātāji ir fiziķi, nevis roboti vai datorzinātnieki pēc izglītības. Bet Rose apgalvo, ka tas piedāvā unikālu un vērtīgu perspektīvu. Viņš saka, ka datorzinātniekiem robeža starp simulāciju un reālo pasauli dažkārt ir neskaidra. Mēs ļoti vēlamies darīt tādas lietas, ko darām reālos robotos reālajā pasaulē.
Šķiet, ka Kindred īstenotajai pieejai ir milzīgs potenciāls. Kens Goldbergs Kalifornijas Universitātes Bērklijā profesors, kurš specializējas mašīnmācībā un robotikā, saka, ka cilvēka prasmju izmantošana ievērojami paātrinās robotu mācīšanos. Goldbergs, kurš strādā pie līdzīgas pieejas robotu ķirurģijai, cita starpā piebilst, ka tas, ka roboti mācās no cilvēkiem, ir ļoti aktīva pētniecības joma. Tas ir pamatā tam, kas, manuprāt, ir liela iespēja robotikā, saka Goldbergs. Cilvēku demonstrācijai ir milzīgs ieguvums.
Taču tehniskās problēmas, kas saistītas ar mācīšanos, izmantojot cilvēku teleoperāciju, nav mazsvarīgas. Sangbae Kims MIT asociētais profesors, kurš strādā pie tālvadības humanoīdiem robotiem, saka, ka cilvēka vadības samērošana ar mašīnu darbību ir neticami sarežģīta. Pirmais izaicinājums ir izsekot cilvēka kustībām, pievienojot stingras saites cilvēka ādai. Tas ir ārkārtīgi grūti, jo mēs esam endoskeleta dzīvnieki, saka Kima. Lielāks izaicinājums ir patiešām izprast visas cilvēku lēmumu pieņemšanas soļu detaļas, no kurām lielākā daļa notiek zemapziņā.
Tomēr Kindred dibinātāji nešķiet nobiedēti. Mūsu mērķis ir dekonstruēt izziņu, saka Rose. Visas dzīvās būtnes ievēro noteiktus uzvedības un darbības modeļus. Mēs cenšamies izveidot mašīnas, kurām ir tādi paši principi.