Tak w końcu zaczyna się powstanie robotów

Winni Wintermeyer

Ramię robota wykonuje osobliwe zadanie syzyfowe. Unosi się nad lśniącą stertą ugotowanych części kurczaka, zanurza się i wydobywa pojedynczy kawałek. Chwilę później obraca się i bardzo delikatnie umieszcza kawałek kurczaka w pudle bento poruszającym się po taśmociągu.

Ten robot, sterowany przez oprogramowanie firmy Osaro z siedzibą w San Francisco, jest mądrzejszy niż jakikolwiek inny, jaki widzieliście wcześniej. Oprogramowanie nauczyło go wybierać i układać kurczaka w około pięć sekund. Osaro spodziewa się, że w ciągu roku jego roboty znajdą pracę w japońskiej fabryce żywności.

Ta historia była częścią naszego wydania z lipca 2018 r.

• Zobacz resztę numeru
• Subskrybuj

Każdy, kto obawia się powstania robotów, musi tylko wejść do nowoczesnej fabryki, aby zobaczyć, jak daleko to jest. Większość robotów jest potężna i precyzyjna, ale nie mogą nic zrobić, jeśli nie zostaną skrupulatnie zaprogramowane. Zwykłemu ramieniu robota brakuje zmysłu potrzebnego do podniesienia przedmiotu, jeśli zostanie przesunięty o cal. Całkowicie beznadziejne jest chwytanie czegoś nieznanego; nie zna różnicy między pianką a kostką ołowiu. Zbieranie kawałków kurczaka o nieregularnych kształtach z przypadkowego stosu jest aktem geniuszu.

Roboty przemysłowe pozostały w dużej mierze nietknięte przez najnowsze osiągnięcia sztucznej inteligencji. W ciągu ostatnich pięciu lat oprogramowanie AI nabrało biegłości w identyfikowaniu obrazów, wygrywaniu gier planszowych i reagowaniu na głos człowieka praktycznie bez interwencji człowieka. Może nawet nauczyć się nowych umiejętności, mając wystarczająco dużo czasu na praktykę. Wszystko to, podczas gdy kuzyni sprzętu AI, roboty, walczą, aby otworzyć drzwi lub podnieść jabłko.

To się wkrótce zmieni. Oprogramowanie AI, które steruje robotem Osaro, pozwala mu identyfikować znajdujące się przed nim obiekty, badać ich zachowanie podczas szturchania, pchania i chwytania, a następnie decydować, jak sobie z nimi radzić. Podobnie jak inne algorytmy AI, uczy się z doświadczenia. Używając gotowego aparatu w połączeniu z oprogramowaniem do uczenia maszynowego na potężnym komputerze w pobliżu, wymyśla, jak skutecznie uchwycić rzeczy. Przy wystarczającej liczbie prób i błędów ramię może nauczyć się chwytać praktycznie wszystko, na co może się natknąć.

Robot pobiera produkty z kosza w siedzibie Osaro. Winni Wintermeyer

Roboty w miejscu pracy wyposażone w sztuczną inteligencję pozwolą automatyzacji wkraść się w wiele innych obszarów pracy. Mogą zastąpić ludzi wszędzie tam, gdzie produkty wymagają sortowania, rozpakowywania lub pakowania. Będąc w stanie poruszać się po chaotycznej hali fabrycznej, mogą podjąć jeszcze więcej pracy w produkcji. Może to nie powstanie, ale mimo wszystko może być rewolucją. Obserwujemy teraz wiele eksperymentów, a ludzie próbują wielu różnych rzeczy, mówi Willy Shih, który bada trendy w produkcji w Harvard Business School. Istnieje ogromna ilość możliwości [zautomatyzowania] powtarzalnych zadań.

To rewolucja nie tylko dla robotów, ale także dla sztucznej inteligencji. Umieszczenie oprogramowania AI w fizycznym ciele pozwala mu korzystać z rozpoznawania wizualnego, mowy i nawigacji w rzeczywistym świecie. Sztuczna inteligencja staje się inteligentniejsza, ponieważ żywi się większą ilością danych. Tak więc z każdym uchwyceniem i ustawieniem oprogramowanie stojące za tymi robotami będzie coraz bardziej biegle rozumieć świat i sposób jego działania.

Może to prowadzić do postępów, które nie byłyby możliwe bez tych wszystkich danych, mówi Pieter Abbeel, profesor Uniwersytetu Kalifornijskiego w Berkeley i założyciel Covariant.ai (do niedawna Embodied Intelligence), startupu stosującego uczenie maszynowe. i wirtualnej rzeczywistości do robotyki w produkcji.

Rozdzielone po urodzeniu

Ta era nadchodziła od dawna. W 1954 roku wynalazca George C. Devol opatentował projekt programowalnego ramienia mechanicznego. W 1961 roku przedsiębiorca produkcyjny Joseph Engelberger przekształcił projekt w Unimate, nieporęczną, niezręczną maszynę po raz pierwszy użytą na linii montażowej General Motors w New Jersey.

Od samego początku istniała tendencja do romantyzowania inteligencji stojącej za tymi prostymi maszynami. Engelberger wybrał nazwę robot dla Unimate na cześć androidów wymyślonych przez autora science fiction Isaaca Asimova. Ale jego maszyny były prymitywnymi urządzeniami mechanicznymi przeznaczonymi do wykonania określonego zadania przez stosunkowo proste oprogramowanie. Nawet dzisiejsze, znacznie bardziej zaawansowane roboty, pozostają niczym więcej niż mechanicznymi wygłupami, które muszą być zaprogramowane do każdego działania.

Sztuczna inteligencja poszła inną drogą. W latach pięćdziesiątych zaczęto wykorzystywać narzędzia komputerowe do naśladowania logiki i rozumu podobnej do ludzkiej. Niektórzy badacze starali się również nadać tym systemom fizyczną obecność. Już w 1948 i 1949 roku William Gray Walter, neurobiolog z Bristolu w Wielkiej Brytanii, opracował dwie małe autonomiczne maszyny, które nazwał Elsie i Elmer. Te przypominające żółwie urządzenia zostały wyposażone w proste, neurologiczne obwody, które pozwalają im samodzielnie podążać za źródłem światła. Walter zbudował je, aby pokazać, jak połączenia między zaledwie kilkoma neuronami w mózgu mogą skutkować stosunkowo złożonym zachowaniem.

Pracownik Embodied Intelligence używa platformy wirtualnej rzeczywistości do szkolenia robota. Zdjęcie dzięki uprzejmości

Ale zrozumienie i odtworzenie inteligencji okazało się bizantyńskim wyzwaniem, a sztuczna inteligencja przeszła przez długi okres z kilkoma przełomami. Tymczasem programowanie fizycznych maszyn do robienia użytecznych rzeczy w bałaganiarskim świecie rzeczywistym często okazywało się nierozwiązywalne. Sztuczna inteligencja i roboty są stałymi partnerami w laboratoriach badawczych od dziesięcioleci, a naukowcy próbowali zastosować uczenie maszynowe w robotach przemysłowych, ale to jeszcze nie wystartowało w przemyśle.

Potem, około sześć lat temu, naukowcy odkryli, jak sprawić, by stara sztuczka AI była niewiarygodnie potężna. Naukowcy wykorzystywali sieci neuronowe — algorytmy przybliżające, z grubsza, sposób, w jaki neurony i synapsy w mózgu uczą się na podstawie danych wejściowych. Okazuje się, że sieci te były bezpośrednimi potomkami elementów, które dały Elsie i Elmerowi ich zdolności. Naukowcy odkryli, że bardzo duże lub głębokie sieci neuronowe mogą robić niezwykłe rzeczy, gdy są zasilane ogromnymi ilościami oznaczonych danych, takich jak rozpoznawanie obiektu pokazanego na obrazie z niemal ludzką perfekcją.

Pole AI zostało odwrócone do góry nogami. Głębokie uczenie, jak powszechnie znana jest ta technika, jest obecnie szeroko stosowane w zadaniach związanych z percepcją: rozpoznawanie twarzy, transkrypcja mowy i trenowanie samoprowadzących się samochodów w celu identyfikacji pieszych i drogowskazów. Umożliwiło to wyobrażenie sobie robota, który mógłby rozpoznać Twoją twarz, inteligentnie do Ciebie mówić i bezpiecznie poruszać się do kuchni po napój gazowany z lodówki.

Winni Wintermeyer

Człowiek stojący za inteligentniejszym robotem Osarou2019

• Dyrektor generalny Osaro, Derik Pridmore, studiował fizykę i informatykę na MIT, zanim dołączył do firmy West Coast VC o nazwie Founders Fund. W tym czasie Pridmore zidentyfikował DeepMind, brytyjską firmę zajmującą się sztuczną inteligencją, jako cel inwestycyjny i współpracował z założycielami firmy, aby udoskonalić ich ofertę. DeepMind miał uczyć maszyny robienia rzeczy, które w tamtych czasach wydawały się niemożliwe. Znany jest z tego, że opracował AlphaGo, program, który pokonał najwyższego w rankingu ludzkiego arcymistrza w grze planszowej Go.

• Kiedy Google przejęło DeepMind w 2014 roku, Pridmore uznał, że sztuczna inteligencja ma potencjał komercyjny. Założył Osaro i szybko skupił się na zbieraniu robotów jako idealnej aplikacji. Chwytanie przedmiotów załadowanych do kosza lub toczenie się po taśmie przenośnika jest prostym zadaniem dla człowieka, ale wymaga prawdziwej inteligencji.

• Techniki zapoczątkowane przez DeepMind, znane jako głębokie uczenie ze wzmacnianiem, pozwalają maszynom wykonywać złożone zadania bez uczenia się na przykładach dostarczonych przez człowieka. Pozytywne opinie, takie jak uzyskanie wyższego wyniku w grze wideo, dostrajają sieć i przesuwają algorytm bliżej celu, aż stanie się ekspertem.

• Rozumowanie, które to umożliwia, jest ukryte głęboko w sieci, zakodowane w grze dziesiątek milionów połączonych ze sobą symulowanych neuronów. Ale wynikające z tego zachowanie może wydawać się proste i instynktowne. Przy wystarczającej praktyce ramię może nauczyć się skutecznie podnosić przedmioty, nawet gdy przedmiot jest przesunięty, zasłonięty przez inny przedmiot lub ukształtowany nieco inaczej. Osaro wykorzystuje głębokie uczenie ze wzmocnieniem, a także kilka innych technik uczenia maszynowego, aby roboty przemysłowe były znacznie inteligentniejsze.

Jedną z pierwszych umiejętności, jakie sztuczna inteligencja da maszynom, jest znacznie większa zręczność. Od kilku lat Amazon prowadzi wyzwanie polegające na zbieraniu przez roboty robotów, w ramach którego naukowcy konkurują o to, aby robot jak najszybciej podniósł szeroką gamę produktów. Wszystkie te zespoły korzystają z uczenia maszynowego, a ich roboty stopniowo stają się coraz bardziej sprawne. Amazon, rzecz jasna, ma jedno oko na automatyzację pobierania i pakowania miliardów przedmiotów w swoich centrach realizacji.

Od 35 lat pracuję w robotycznym chwytaniu i poczyniliśmy bardzo małe postępy, mówi Ken Goldberg, kolega Abbeela z Uniwersytetu Kalifornijskiego w Berkeley. Dzięki postępom w sztucznej inteligencji, które się zmieniają: Jesteśmy teraz gotowi na duży krok naprzód.

AI dostaje ciało

W dzielnicy NoHo w Nowym Jorku jeden z czołowych światowych ekspertów w dziedzinie sztucznej inteligencji szuka obecnie kolejnego wielkiego przełomu w tej dziedzinie. Uważa, że ​​roboty mogą być ważnym elementem układanki.

Yann LeCun odegrał kluczową rolę w rewolucji głębokiego uczenia się. W latach 80., kiedy inni badacze odrzucali sieci neuronowe jako niepraktyczne, LeCun wytrwał. Jako szef badań nad sztuczną inteligencją Facebooka do stycznia, a teraz jako główny naukowiec zajmujący się sztuczną inteligencją, kierował rozwojem algorytmów głębokiego uczenia, które mogą identyfikować użytkowników na prawie każdym zdjęciu, które publikuje dana osoba.

Ale LeCun chce, aby sztuczna inteligencja robiła więcej niż tylko widziała i słyszała; chce, żeby to rozumowało i podejmowało działania. I mówi, że aby było to możliwe, potrzebna jest fizyczna obecność. Inteligencja ludzka obejmuje interakcję ze światem rzeczywistym; ludzkie dzieci uczą się, bawiąc się przedmiotami. Sztuczna inteligencja wbudowana w maszyny chwytające może zrobić to samo. Wiele najciekawszych badań nad sztuczną inteligencją dotyczy teraz robotów, mówi LeCun.

Może nawet dojść do niezwykłego rodzaju ewolucji maszyn, odzwierciedlającej proces, który dał początek inteligencji biologicznej. Wzrok, zręczność i inteligencja zaczęły ewoluować razem w przyspieszonym tempie, gdy hominidy zaczęły chodzić wyprostowane, używając dwóch wolnych rąk do badania i manipulowania przedmiotami. Ich mózgi stały się większe, umożliwiając bardziej zaawansowane narzędzia, język i organizację społeczną.

Czy AI może doświadczyć czegoś podobnego? Do tej pory istniał w dużej mierze wewnątrz komputerów, wchodząc w interakcje z prymitywnymi symulacjami rzeczywistego świata, takimi jak gry wideo czy nieruchome obrazy. Programy AI zdolne do postrzegania rzeczywistego świata, interakcji z nim i uczenia się o nim mogą ostatecznie stać się znacznie lepsze w rozumowaniu, a nawet komunikowaniu się. Jeśli rozwiążesz manipulację w pełni, mówi Abbeel, prawdopodobnie zbudujesz coś, co jest bardzo bliskie pełnej inteligencji na poziomie człowieka.

Poprawka: Wcześniejsza wersja tej historii sugerowała, że ​​badania nad sztuczną inteligencją i robotyką od dziesięcioleci są w dużej mierze odrębnymi dziedzinami. Wprowadzono pewne zmiany, aby wyjaśnić, że rozdzielanie odbywało się głównie w zastosowaniach komercyjnych, a nie w laboratorium badawczym.

ukryć