211service.com
Wikipedia dla robotów
Ludzie zyskali dużą wartość, organizując całą swoją wiedzę i udostępniając ją szeroko — w podręcznikach, bibliotekach, Wikipedii i YouTube, żeby wymienić tylko kilka przykładów. Te zasoby wiedzy są cenne nie tylko dla wielkich przedsięwzięć naukowych, ale także dla trywialnych rzeczy codziennego życia ludzkiego: możesz łatwo znaleźć tysiące filmów na YouTube, które nauczą Cię gotować omlet.
Ashutosh Saxena
Żyjemy teraz w świecie, w którym roboty pomagają ludziom w ich codziennym życiu i podobnie jak ludzie, roboty muszą zdobywać nowe umiejętności, aby skutecznie wykonywać swoją pracę. I nie powinniśmy oczekiwać, że robot będzie uczył się sam od zera, podobnie jak nie spodziewalibyśmy się tego po człowieku — wyobraźmy sobie dorastające dziecko bez dostępu do podręczników, bibliotek czy Internetu.
Jednak zorganizowane zbiory wiedzy, które działają na ludzi, nie są tak dobre dla robotów. Robot nie uzyskałby wielu przydatnych informacji, gdyby wyszukał w wyszukiwarce, jak przynieść słodką herbatę z kuchni. Roboty wymagają czegoś innego — dostępu do drobniejszych szczegółów w celu planowania, sterowania i rozumienia języka naturalnego. Poproszony o przyniesienie słodkiej herbaty robot potrzebowałby dostępu do wiedzy umożliwiającej interpretację symboli językowych (herbatę) w kategoriach jednostek fizycznych (konkretny pojemnik ze słodką herbatą), przestrzennej wiedzy, że słodka herbata może znajdować się na stole lub w lodówce oraz umiejętność wyciągania wniosków, jak chwytać i manipulować przedmiotami. Możliwe jest ręczne napisanie skryptu demonstracyjnego dla jednej konkretnej sytuacji, ale radzenie sobie z tym w różnych zadaniach i w różnych środowiskach jest nadal otwartym problemem.
W 2014 roku rozpocząłem projekt o nazwie RoboBrain na Uniwersytecie Cornell wraz z doktorantami Asheshem Jainem i Ozanem Senerem. Mamy teraz współpracowników w Stanford i Brown. Pracujemy nad sposobem dzielenia się informacjami, który pozwala robotom gromadzić wiedzę potrzebną do wykonania zadania (patrz Roboty, które uczą się nawzajem ). Jeśli jeden robot się nauczy, to wiedza zostanie przekazana wszystkim robotom. RoboBrain osiąga to poprzez gromadzenie wiedzy z różnych źródeł. System przechowuje wiele rodzajów informacji, w tym symbole, język naturalny, cechy wizualne lub kształtowe, właściwości dotykowe i ruchy.
Takie podejście oznacza ogromną zmianę w myśleniu. Historycznie rzecz biorąc, grupy badawcze pracujące z robotami szkoliły swoje roboty w izolacji. Tak, często dzielimy się pomysłami poprzez publikacje i oprogramowanie, z którego może korzystać inna grupa badawcza, ale to, czego może się nauczyć jeden robot, nie było dostępne dla robota innego badacza. Aby dodać do tego problemu, grupy badawcze pracowały nad różnymi problemami — jedna mogła koncentrować się na problemie widzenia komputerowego w identyfikacji kubka, podczas gdy inna zajmowała się problemem językowym tego, czym jest kubek, podczas gdy trzecia zajmowała się tym, jak uchwycić Puchar.
To rodzaj podejścia, które musimy ominąć. Kubek to jeden przedmiot, a nie trzy. A robot, tak jak człowiek, musi mieć w jednym miejscu całą potrzebną mu wiedzę.
Ashutosh Saxena jest dyrektorem projektu RoboBrain oraz założycielem i CEO startupu Brain of Things .