Tā beidzot sākas robotu sacelšanās

Vainīgie ir Vintermeijers

Robota roka veic savdabīgu Sīzifa uzdevumu. Tas virzās virs mirdzošas vārītu vistas daļu kaudzes, nolaižas un izvelk vienu gabalu. Brīdi vēlāk tas šūpojas apkārt un vienmēr tik maigi ievieto vistas gabalu bento kastē, kas pārvietojas pa konveijera lenti.

Šis robots, ko kontrolē Sanfrancisko kompānijas Osaro programmatūra, ir gudrāks par jebkuru iepriekš redzēto. Programmatūra ir iemācījusi to savākt un novietot vistu apmēram piecās sekundēs. Gada laikā Osaro sagaida, ka tā roboti atradīs darbu Japānas pārtikas rūpnīcā.

Šis stāsts bija daļa no mūsu 2018. gada jūlija numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Ikvienam, kurš uztraucas par robotu sacelšanos, ir jāieiet tikai modernā rūpnīcā, lai redzētu, cik tālu tā atrodas. Lielākā daļa robotu ir jaudīgi un precīzi, taču nevar darīt neko, ja tie nav rūpīgi ieprogrammēti. Parastai robota rokai trūkst jēgas, kas vajadzīgas, lai paceltu objektu, ja tas tiek pārvietots par collu. Ir pilnīgi bezcerīgi satvert kaut ko nepazīstamu; tas nezina atšķirību starp zefīru un svina kubu. Neregulāras formas vistas gabalu paņemšana no nejaušas kaudzes ir ģeniāls akts.

Jaunākie mākslīgā intelekta sasniegumi rūpnieciskos robotus lielākoties nav skāruši. Pēdējo piecu gadu laikā mākslīgā intelekta programmatūra ir kļuvusi prasmīga attēlu identificēšanā, galda spēļu uzvarēšanā un cilvēka balsī praktiski bez cilvēka iejaukšanās. Tas pat var iemācīt sev jaunas spējas, ja tiek dots pietiekami daudz laika praktizēt. Tas viss, kamēr mākslīgā intelekta aparatūras brālēni, roboti, cīnās, lai atvērtu durvis vai paņemtu ābolu.

Tas drīz mainīsies. AI programmatūra, kas kontrolē Osaro robotu, ļauj tam identificēt priekšā esošos objektus, izpētīt, kā tie uzvedas, kad tiek bakstīti, stumti un satverti, un pēc tam izlemt, kā ar tiem rīkoties. Tāpat kā citi AI algoritmi, tas mācās no pieredzes. Izmantojot gatavu kameru kopā ar mašīnmācības programmatūru jaudīgā datorā, kas atrodas netālu, tā izdomā, kā efektīvi uztvert lietas. Ar pietiekami daudz izmēģinājumu un kļūdu, roka var iemācīties satvert gandrīz visu, ar ko tā varētu saskarties.

Robots izņem produktus no tvertnes Osaro galvenajā mītnē. Vinnija Vintermeijere

Darba vietas roboti, kas aprīkoti ar AI, ļaus automatizācijai iekļūt daudzās citās darba jomās. Tie varētu aizstāt cilvēkus visur, kur produkti ir jāšķiro, jāizsaiņo vai jāiepako. Spējot orientēties haotiskajā rūpnīcas stāvā, viņi varētu aizņemt vēl vairāk darba vietu ražošanā. Tā varētu nebūt sacelšanās, taču tā varētu būt revolūcija. Mēs tagad redzam daudz eksperimentu, un cilvēki izmēģina daudz dažādu lietu, saka Villijs Šihs, kurš pēta ražošanas tendences Hārvardas Biznesa skolā. Pastāv daudz iespēju [automatizēt] atkārtotus uzdevumus.

Tā ir revolūcija ne tikai robotiem, bet arī AI. AI programmatūras ievietošana fiziskajā ķermenī ļauj tai izmantot vizuālo atpazīšanu, runu un navigāciju reālajā pasaulē. Mākslīgais intelekts kļūst gudrāks, jo tas barojas ar vairāk datu. Tāpēc ar katru satvērienu un izvietojumu programmatūra, kas atrodas aiz šiem robotiem, kļūs arvien prasmīgāka, lai izprastu pasauli un to, kā tā darbojas.

Tas varētu novest pie sasniegumiem, kas nebūtu iespējami bez visiem šiem datiem, saka Pīters Ebīls, Kalifornijas Universitātes Bērklijā profesors un Covariant.ai (līdz nesen saukts par Embodied Intelligence) dibinātājs, starta uzņēmums, kas izmanto mašīnmācīšanos. un virtuālā realitāte līdz robotikai ražošanā.

Izšķīrās dzimšanas brīdī

Šis laikmets ir pagājis ilgu laiku. 1954. gadā Džordžs K. Devols, izgudrotājs, patentēja programmējamas mehāniskās rokas dizainu. 1961. gadā ražošanas uzņēmējs Džozefs Engelbergers pārveidoja dizainu par Unimate — smagnēju, neērtu mašīnu, kas pirmo reizi tika izmantota General Motors montāžas līnijā Ņūdžersijā.

No sākuma bija tendence romantizēt šo vienkāršo mašīnu inteliģenci. Vārdu robots Unimate Engelbergers izvēlējās par godu zinātniskās fantastikas autora Īzaka Asimova izsapņotajiem androīdiem. Bet viņa mašīnas bija neapstrādātas mehāniskas ierīces, kas ar salīdzinoši vienkāršu programmatūru bija vērstas uz konkrētu uzdevumu. Pat mūsdienu daudz progresīvāki roboti ir tikai mehāniski roboti, kas jāieprogrammē katrai darbībai.

Mākslīgais intelekts gāja citu ceļu. 1950. gados tā nolēma izmantot skaitļošanas rīkus, lai atdarinātu cilvēkiem līdzīgu loģiku un saprātu. Daži pētnieki arī mēģināja nodrošināt šīm sistēmām fizisku klātbūtni. Jau 1948. un 1949. gadā Viljams Grejs Valters, neirozinātnieks Bristolē, Apvienotajā Karalistē, izstrādāja divas nelielas autonomas mašīnas, kuras viņš nosauca par Elsie un Elmer. Šīs bruņurupučiem līdzīgās ierīces bija aprīkotas ar vienkāršām, neiroloģiski iedvesmotām shēmām, kas ļāva tām atsevišķi sekot gaismas avotam. Valters tos izveidoja, lai parādītu, kā savienojumi starp tikai dažiem neironiem smadzenēs var izraisīt salīdzinoši sarežģītu uzvedību.

Embodied Intelligence darbinieks izmanto virtuālās realitātes iekārtu, lai apmācītu robotu. Pieklājības foto

Taču izlūkošanas izpratne un atjaunošana izrādījās bizantiešu izaicinājums, un mākslīgais intelekts iegāja ilgu laiku ar dažiem sasniegumiem. Tikmēr fizisko mašīnu programmēšana, lai veiktu noderīgas lietas nekārtīgajā reālajā pasaulē, bieži izrādījās neatrisināmi sarežģīta. AI un roboti ir bijuši stabili biedri pētniecības laboratorijās gadu desmitiem, un pētnieki ir mēģinājuši pielietot mašīnmācību industriālajos robotos, taču tas vēl nav sācis darboties rūpniecībā.

Tad, apmēram pirms sešiem gadiem, pētnieki izdomāja, kā vecu AI triku padarīt neticami spēcīgu. Zinātnieki izmantoja neironu tīklus — algoritmus, kas aptuveni tuvina veidu, kā smadzeņu neironi un sinapses mācās no ievades. Izrādās, ka šie tīkli bija to komponentu tiešie pēcteči, kas deva Elzijai un Elmeram viņu spējas. Pētnieki atklāja, ka ļoti lieli vai dziļi neironu tīkli var paveikt ievērojamas lietas, ja tiek ievadīti milzīgi marķēti dati, piemēram, atpazīst attēlā redzamo objektu ar gandrīz cilvēka pilnību.

AI lauks tika apgriezts otrādi. Padziļinātā mācīšanās, kā šī tehnika ir plaši pazīstama, tagad tiek plaši izmantota uzdevumiem, kas saistīti ar uztveri: sejas atpazīšana, runas transkripcija un pašbraucošu automašīnu apmācība, lai identificētu gājējus un ceļa zīmes. Tas ir ļāvis iedomāties robotu, kas varētu atpazīt jūsu seju, gudri runāt ar jums un droši doties uz virtuvi, lai no ledusskapja izņemtu gāzētos dzērienus.

Vainīgie ir Vintermeijers

Cilvēks aiz Osarou2019 viedākā robota

• Osaro izpilddirektors Deriks Pridmors studēja fiziku un datorzinātnes MIT, pirms pievienojās Rietumkrasta VC uzņēmumam Dibinātāju fonds. Atrodoties tur, Pridmors kā investīciju mērķi identificēja Lielbritānijas AI uzņēmumu DeepMind, un viņš strādāja ar uzņēmuma dibinātājiem, lai uzlabotu viņu virzienu. DeepMind mācīs mašīnas darīt lietas, kas tajā laikā šķita neiespējamas. Slaveni, tas izstrādāja AlphaGo, programmu, kas pārspēja augstāko ranga cilvēku lielmeistaru galda spēlē Go.

• Kad Google 2014. gadā iegādājās DeepMind, Pridmors nolēma, ka mākslīgajam intelektam ir komerciāls potenciāls. Viņš nodibināja Osaro un ātri izvēlējās robotu izvēli kā ideālu pielietojumu. Satvert priekšmetus, kas iekrauti tvertnē vai ripot pa konveijera lenti, ir vienkāršs uzdevums cilvēkam, taču tas prasa patiesu inteliģenci.

• DeepMind izstrādātās metodes, kas pazīstamas kā dziļa pastiprināšanas mācīšanās, ļauj mašīnām veikt sarežģītus uzdevumus, nemācoties no cilvēku sniegtiem piemēriem. Pozitīvas atsauksmes, piemēram, augstāka rezultāta iegūšana videospēlē, noregulē tīklu un pārvieto algoritmu tuvāk mērķim, līdz tas kļūst par ekspertu.

• Pamatojums, kas to padara iespējamu, ir aprakts dziļi tīklā, iekodēts desmitiem miljonu savstarpēji saistītu simulētu neironu mijiedarbībā. Bet no tā izrietošā uzvedība var šķist vienkārša un instinktīva. Pietiekami praktizējot, roka var iemācīties efektīvi paņemt lietas pat tad, ja objekts tiek pārvietots, paslēpts ar citu objektu vai veidots nedaudz savādāk. Osaro izmanto dziļu pastiprināšanas mācīšanos, kā arī vairākas citas mašīnmācības metodes, lai rūpnieciskos robotus padarītu daudz gudrākus.

Viena no pirmajām prasmēm, ko AI sniegs mašīnām, ir daudz lielāka veiklība. Dažus pēdējos gadus Amazon ir īstenojis robotu atlases izaicinājumu, kurā pētnieki sacenšas, lai robots pēc iespējas ātrāk uzņemtu plašu produktu klāstu. Visas šīs komandas izmanto mašīnmācīšanos, un viņu roboti pakāpeniski kļūst kvalificētāki. Protams, Amazon ir viena acs, lai automatizētu miljardu preču atlasi un iepakošanu savos izpildes centros.

Es strādāju robotu satveršanas jomā 35 gadus, un mēs esam panākuši ļoti nelielu progresu, saka Kens Goldbergs, Abbeel's kolēģis UC Berkeley. Pateicoties AI progresam, kas mainās: tagad esam gatavi veikt lielu lēcienu uz priekšu.

AI iegūst ķermeni

Ņujorkas NoHo apkaimē viens no pasaulē izcilākajiem mākslīgā intelekta ekspertiem šobrīd meklē nākamo lielo izrāvienu šajā jomā. Un viņš domā, ka roboti varētu būt svarīga mīklas daļa.

Yann LeCun spēlēja būtisku lomu dziļās mācīšanās revolūcijā. Astoņdesmitajos gados, kad citi pētnieki noraidīja neironu tīklus kā nepraktiskus, LeCun turpināja. Būdams Facebook AI pētījumu vadītājs līdz janvārim un tagad kā galvenais AI zinātnieks, viņš vadīja padziļinātas apmācības algoritmu izstrādi, kas var identificēt lietotājus gandrīz jebkurā fotoattēlā, ko persona ievieto.

Bet LeCun vēlas, lai AI darītu vairāk, nekā tikai redzētu un dzirdētu; viņš vēlas, lai tas pamatotu un rīkotos. Un viņš saka, ka, lai tas būtu iespējams, ir nepieciešama fiziska klātbūtne. Cilvēka intelekts ietver mijiedarbību ar reālo pasauli; cilvēku mazuļi mācās spēlējoties ar lietām. Satveršanas mašīnās iestrādātais mākslīgais intelekts var darīt to pašu. LeCun saka, ka daudzi interesantākie AI pētījumi tagad ir saistīti ar robotiem.

Var rasties pat ievērojams mašīnu evolūcijas veids, kas atspoguļo procesu, kas izraisīja bioloģisko inteliģenci. Redze, veiklība un inteliģence sāka attīstīties kopā ar paātrinātu ātrumu, kad hominīdi sāka staigāt stāvus, izmantojot abas brīvās rokas, lai pētītu un manipulētu ar objektiem. Viņu smadzenes kļuva lielākas, ļaujot izmantot modernākus rīkus, valodu un sociālo organizāciju.

Vai AI varētu piedzīvot ko līdzīgu? Līdz šim tas lielākoties pastāvēja datoros, mijiedarbojoties ar rupjām reālās pasaules simulācijām, piemēram, videospēlēm vai nekustīgiem attēliem. AI programmas, kas spēj uztvert reālo pasauli, mijiedarboties ar to un uzzināt par to, galu galā var kļūt daudz labākas argumentācijas un pat saziņas jomā. Ja jūs pilnībā atrisināsiet manipulācijas, saka Abbels, jūs, iespējams, būsit izveidojis kaut ko tādu, kas ir diezgan tuvu pilnīgam cilvēka līmeņa intelektam.

Labojums: šī stāsta iepriekšējā versija liecināja, ka mākslīgais intelekts un robotikas pētniecība gadu desmitiem lielā mērā ir bijušas atsevišķas jomas. Tika veiktas dažas izmaiņas, lai precizētu, ka atdalīšana galvenokārt notika komerciālos lietojumos, nevis pētniecības laboratorijā.

paslēpties