Video odhaľuje prekvapujúce výzvy výučby A.I. obliekať sa

Prechádzanie do tričko môže byť jednou z mála úloh, ktoré nám ľudia dokážu robiť, aj keď sme sotva bdelí a stále sa škrabáme z očí. Skutočnosť, že sme sa naučili, ako sa obliekať (viac či menej), je však taká, aká zložitá je séria pohybov, ktoré sú potrebné na to, aby sme sa dostali od bytia v byte až po to, aby sme boli schopní obliekať dvere naozaj.

Jedna osoba, ktorá to chápe rovnako ako niekto iný, je Alex Clegg, počítačová veda Ph.D. študent na Technologickom inštitúte v Georgii, ktorý sa zameriava na používanie strojového učenia na technickú umelú inteligenciu, ako sa obliekať. Ako hovorí obrátený, zatiaľ čo A.I. je dosť šikovný na to, aby predpovedal, ktorí pacienti dostanú sepsu, alebo ako vyzvať majstra sveta v komplexných strategických hrách, učebné stroje, ako si dať na košeľu, sa ukázali ako nepolapiteľný cieľ.

„Tkanina je zložitá,“ vysvetľuje e-mailom. „Môže reagovať okamžite a drasticky na malé zmeny v polohe tela a často obmedzuje pohyb… Oblečenie má tiež tendenciu skladať, držať sa a držať sa tela, čo robí haptický alebo dotykový pocit nevyhnutný pre danú úlohu.“

Tak prečo, presne, je počítač, ktorý sa snaží rozbiť, ako sa ráno hodí? Clegg vysvetlil, že existuje niekoľko možných aplikácií pre A.I., Ktorý chápe klamne jednoduché-zdať umenie obliekať. Z krátkodobého hľadiska by sa zistenia spoločnosti Clegg mohli použiť na urýchlenie procesu vytvárania živých 3D animácií. Ale čo je dôležitejšie, tieto postrehy by mohli pomôcť viesť k vytvoreniu pomocných robotov, ktorí môžu pomôcť starať sa o ľudské bytosti.

Výskumníci začali učiť počítač, ako zvládnuť dostať ruku do rukávu. V novinách, ktoré budú prezentované na nadchádzajúcej konferencii SIGGRAPH Asia 2018 o počítačovej grafike v decembri, Clegg a jeho kolegovia vysvetlili presnú techniku, ktorú používali, typ strojového učenia nazvaný „hlboko posilnené učenie“.

Cieľom hlboko posilneného učenia je vyskúšať a naučiť robotov, ako dokončiť určité pohyby a úlohy tým, že to robia znova a znova. V prípade oblečenia A.I., tím Clegg mal A.I. pozorovať procesné virtuálne prostredie, replikovať ho a potom odmeniť, keď sa zdalo, že je na správnej ceste.

Clegg vysvetlil, že to trvalo stovky tisíc pokusov, aby sa v tvare klobásy animované postavy, ktoré vyvinuli naučiť, ako dať na sako alebo tričko. Koniec koncov, ich topánka sa musela naučiť, ako vnímať dotyk, aby sa mohla hodiť košeľa, keď ju potrebovala. Navyše, oni tiež potrebovali začleniť motor fyziky, aby simulácia bola čo najpresnejšia k životu.

Nakoniec, Cleggovi nemotorný, animovaný syn sa dokázal naučiť, ako sa dostať na košeľu, aj keď trochu inelegantly. Výsledky však môžu byť najužitočnejšie ako dôkaz koncepcie, ako možno hlboké učenie využiť na riešenie nedokonalých problémov.

„Je vzrušujúce predstaviť si množstvo problémov, ktoré môžeme vyriešiť hlboko posilneným učením,“ hovorí. „Tešíme sa na ďalšiu prácu smerom k umožneniu robotiky a hľadaniu riešení veľkých problémov, ktoré ovplyvňujú každodenný život mnohých ľudí.“

Konverzia zistení z tejto štúdie na prácu s robotikou bude trvať o niečo viac práce, aby sa zosúladili aspekty softvéru a hardvéru. Ale zistenia spoločnosti Clegg vytvorili cestu pre výskumníkov, ktorí majú záujem oslobodiť našich futuristických robotníkov od ich súčasných obmedzení.