211service.com
Jak połączenie umysłu człowieka z maszyną może uczynić roboty inteligentniejszymi
To ramię robota od czasu do czasu poddaje się kontroli człowieka, gdy uczy się chwytać różne przedmioty.
Tajemniczy kanadyjski startup o nazwie Kindred AI uczy roboty, jak wykonywać trudne, zręczne zadania z nadludzką prędkością, łącząc je z ludzkimi pilotami noszącymi zestawy słuchawkowe rzeczywistości wirtualnej i trzymające kontrolery śledzące ruch.
Technologia ta daje fascynujący wgląd w to, jak ludzie mogą pracować w synchronizacji z maszynami w przyszłości, i pokazuje, jak korzystanie z ludzkich możliwości może wzmocnić możliwości zautomatyzowanych systemów. Pomimo wszystkich zmartwień związanych z robotami i sztuczną inteligencją eliminującą pracę, jest wiele rzeczy, których maszyny wciąż nie mogą zrobić. Firma zademonstrowała sprzęt, aby Przegląd technologii MIT w zeszłym tygodniu i mówi, że planuje wprowadzić produkt skierowany do detalistów w nadchodzących miesiącach. Ambicje długoterminowe są znacznie większe. Kindred ma nadzieję, że ta wspomagana przez człowieka nauka będzie wspierać całkowicie nowy i potężniejszy rodzaj sztucznej inteligencji.
Kindred został stworzony przez kilka osób z D-Wave, firmy zajmującej się obliczeniami kwantowymi z siedzibą w Burnaby w Kanadzie. Kindred obecnie testuje konwencjonalne przemysłowe ramiona robotów, które mogą chwytać i umieszczać przedmioty, które mogą być niewygodne w obsłudze, takie jak małe elementy odzieży, szybciej i niezawodnie, niż byłoby to normalnie możliwe. Ramiona robią to, od czasu do czasu prosząc o pomoc zespół ludzi, którzy używają sprzętu rzeczywistości wirtualnej, aby zobaczyć wyzwanie i tymczasowo przejąć kontrolę nad ramieniem.
Pilot może widzieć, słyszeć i czuć to, co robot widzi, słyszy i czuje. Geordie Rose, współzałożyciel i dyrektor generalny Kindred, który wcześniej współtworzył D-Wave, mówi, że kiedy pilot działa, te działania poruszają robota. To pozwala nam pokazać robotom, jak zachowywać się jak ludzie. Ludzie nie są najszybsi ani najlepsi we wszystkich aspektach sterowania robotem, takich jak umieszczanie rzeczy w określonych lokalizacjach, ale ludzie nadal najlepiej radzą sobie z trudnymi lub nieprzewidzianymi sytuacjami.
System Kindred wykorzystuje kilka algorytmów uczenia maszynowego i próbuje przewidzieć, czy któryś z nich przyniesie pożądany rezultat, na przykład uchwycenie przedmiotu. Jeśli żaden nie wydaje się oferować wysokiego prawdopodobieństwa sukcesu, wymaga pomocy człowieka. Co najważniejsze, algorytmy uczą się na podstawie działań człowieka-kontrolera. Aby to osiągnąć, firma stosuje formę uczenia się przez wzmacnianie, podejście, które obejmuje eksperymentowanie i wzmacnianie zachowań, które prowadzą do określonego celu (patrz 10 Breakthrough Technologies 2017: Reinforcement Learning ).
Rose twierdzi, że system może chwytać małe elementy odzieży około dwa razy szybciej niż osoba pracująca samodzielnie, podczas gdy robot pracujący samodzielnie byłby zbyt zawodny, aby go wdrożyć. Jedna osoba może jednocześnie obsługiwać kilka robotów.
Rose dodaje, że Kindred bada wszystkie rodzaje systemów „człowiek w pętli”, od tych, w których osoba po prostu klika obraz, aby pokazać robotowi, gdzie coś uchwycić, po egzoszkielety całego ciała, które zapewniają kontrolę nad robotem humanoidalnym. Mówi, że piloci zwykle uczą się, jak skutecznie sterować zdalnym systemem robotów. Kiedy używasz aparatury kontrolnej, na początku jest to bardzo frustrujące, ale ludzkie umysły są bardzo plastyczne i dostosowujesz się, mówi Rose.
Techniczna inspiracja dla tej technologii pochodzi od Suzanne Gildert, która wcześniej była starszym pracownikiem naukowym w D-Wave i jest dyrektorem naukowym Kindred. Firma od kilku lat działa w trybie stealth, ale zwróciła uwagę, gdy szczegóły patentu zgłoszonego przez Gilderta pojawił się online . Patent opisuje schemat łączenia różnych systemów teleoperacji z uczeniem maszynowym. Rzeczywiście, wizja Kindred dotycząca ich technologii wydaje się wykraczać daleko poza budowanie robotów bardziej kompetentnych w sortowaniu.
Pomysł polegał na tym, że można było to robić wystarczająco długo i mieć jakiś system sztucznej inteligencji w uczeniu się w tle, to może można by wypróbować wiele różnych modeli AI i zobaczyć, które z nich są lepiej trenowane, mówi Gildert. W końcu pomyślałem, że jeśli człowiek może zademonstrować cokolwiek za pomocą robota, to nie ma powodu, dla którego robot nie mógłby nauczyć się być bardzo podobny do człowieka.
Co najbardziej przykuwające uwagę, patent Kindred opisywał nawet możliwość kontrolowania takich systemów przez zwierzęta, takie jak małpy. Gildert twierdzi, że był to pomysł spekulacyjny i obecnie firma nie zatrudnia żadnych małp. Mówi jednak, że firma ma kota-robota, wyszkolonego za pomocą uczenia się przez wzmacnianie, wędrującego po biurze.
Kindred jest również nieco niezwykły, ponieważ jego założycielami są z wykształcenia fizycy, a nie robotycy czy informatycy. Ale Rose twierdzi, że daje to wyjątkową i wartościową perspektywę. Według informatyków granica między symulacją a światem rzeczywistym czasami się zaciera, mówi. Zdecydowanie wolimy robić rzeczy, które robimy w prawdziwych robotach w prawdziwym świecie.
Podejście Kindred wydaje się mieć ogromny potencjał. Ken Goldberg , profesor na Uniwersytecie Kalifornijskim w Berkeley, który specjalizuje się w uczeniu maszynowym i robotyce, mówi, że wykorzystanie ludzkich umiejętności znacznie przyspieszy uczenie się robotów. Goldberg, który pracuje między innymi nad podobnym podejściem do chirurgii robotycznej, dodaje, że zmuszanie robotów do uczenia się od ludzi jest bardzo aktywnym obszarem badań. To sedno tego, co moim zdaniem jest wielką szansą w robotyce, mówi Goldberg. Demonstracja na ludziach niesie ze sobą ogromne korzyści.
Jednak techniczne wyzwania związane z uczeniem się poprzez teleoperację człowieka nie są bez znaczenia. Sangbae Kim , profesor nadzwyczajny na MIT, który pracuje nad zdalnie sterowanymi robotami humanoidalnymi, mówi, że mapowanie ludzkiej kontroli na działanie maszyny jest niezwykle skomplikowane. Pierwszym wyzwaniem jest śledzenie ruchu człowieka poprzez przymocowanie sztywnych połączeń do ludzkiej skóry. Jest to niezwykle trudne, ponieważ jesteśmy zwierzętami endoszkieletu, mówi Kim. Większym wyzwaniem jest naprawdę zrozumienie wszystkich szczegółów kroków decyzyjnych u ludzi, z których większość dzieje się podświadomie.
Założyciele Kindred nie wydają się jednak zniechęceni. Naszym celem jest dekonstrukcja procesów poznawczych, mówi Rose. Wszystkie żywe istoty podążają za pewnymi wzorcami zachowania i działania. Staramy się budować maszyny, które mają takie same zasady.