Sztuczna inteligencja nigdy nie będzie w stanie spojrzeć w przyszłość, ale może dokonywać prognoz statystycznych na podstawie tego, co wie i zamierza zrobić. Rozwój robotów nie kończy się, ponieważ technokraci są zmuszeni wymyślić, czy mają ku temu dobry powód, czy nie. ⁃ Edytor TN
Badacze z UC Berkeley opracowali technologię uczenia robotycznego, która pozwala robotom wyobrażać sobie przyszłość swoich działań, aby mogli dowiedzieć się, jak manipulować obiektami, z którymi nigdy wcześniej nie mieli do czynienia. W przyszłości technologia ta może pomóc samochodom samojezdnym przewidywać przyszłe zdarzenia na drodze i produkować inteligentniejszych asystentów robotów w domach, ale początkowy prototyp koncentruje się na uczeniu się prostych umiejętności manualnych całkowicie z gry autonomicznej.
Korzystanie z tej technologii, zwanej wzrokowy foresight, roboty mogą przewidzieć, co zobaczą ich kamery, jeśli wykonają określoną sekwencję ruchów. Te wyobrażenia robotów są na razie stosunkowo proste - prognozy poczynione zaledwie w kilka sekund w przyszłość - ale wystarczą, aby robot mógł wymyślić, jak poruszać obiektami po stole bez przeszkód. Co najważniejsze, robot może nauczyć się wykonywać te zadania bez żadnej pomocy człowieka lub wcześniejszej wiedzy na temat fizyki, jej środowiska lub obiektów. Wynika to z faktu, że wyobraźnię wizualną uczy się całkowicie od zera podczas bezobsługowej i nienadzorowanej eksploracji, w której robot bawi się przedmiotami na stole. Po tej fazie gry robot buduje predykcyjny model świata i może używać tego modelu do manipulowania nowymi obiektami, których wcześniej nie widział.
„W ten sam sposób, w jaki możemy sobie wyobrazić, w jaki sposób nasze działania poruszą obiektami w naszym otoczeniu, ta metoda może umożliwić robotowi wizualizację, w jaki sposób różne zachowania wpłyną na otaczający świat”, powiedział Sergey Levine, adiunkt w Wydziale Inżynierii Elektrycznej i Informatyki w Berkeley, którego laboratorium opracowało technologię. „Może to umożliwić inteligentne planowanie wysoce elastycznych umiejętności w złożonych rzeczywistych sytuacjach.”
Podstawą tego systemu jest technologia głębokiego uczenia się oparta na splotowych cyklicznych prognozach wideo lub dynamiczne doradztwo neuronowe (DNA). Modele oparte na DNA przewidują, w jaki sposób piksele na obrazie będą się przemieszczać z jednej klatki do następnej na podstawie działań robota. Ostatnie ulepszenia tej klasy modeli, a także znacznie ulepszone możliwości planowania, umożliwiły robotom sterowanie oparte na prognozowaniu wideo w celu wykonywania coraz bardziej złożonych zadań, takich jak przesuwanie zabawek wokół przeszkód i przemieszczanie wielu obiektów.
wpDiscuz