Video otkriva iznenađujuće izazove podučavanja A.I. da se oblači

Puzanje u majicu može biti jedan od rijetkih zadataka koje smo ljudi sposobni učiniti čak i kad smo jedva budni i još uvijek grebemo san iz očiju. Ali činjenica da smo ovladali načinom na koji se oblačimo (manje ili više) opovrgava koliko je složen niz pokreta koji su potrebni za odlazak od toga da bude dovoljno u ogrtaču da bi izašao iz vrata zaista.

Jedna osoba koja ovo razumije, kao i svatko, je Alex Clegg, doktor znanosti iz računara. student na Tehnološkom institutu Georgia koji je bio usredotočen na korištenje strojnog učenja na tehnologiju umjetne inteligencije kako se oblačiti. Kao što kaže Inverzan, dok A.I. je dovoljno pametan da predvidi koji će pacijenti dobiti sepsu ili kako izazvati svjetske prvake u složenim strateškim igrama, a učenje strojeva o tome kako staviti majicu pokazalo se kao nedostižan cilj.

"Tkanina je složena", objašnjava on u e-mailu. "Može odmah i drastično reagirati na male promjene u položaju tijela i često ograničava kretanje … Odjeća također ima tendenciju preklapanja, lijepljenja i držanja tijela, čineći haptičkim ili osjetljivim na dodir bitan zadatak."

Pa zašto je, zapravo, računalo fijuk koji pokušava srušiti kako ćemo se podići ujutro? Clegg je objasnio da postoji nekoliko mogućih zahtjeva za A.I. koji shvaća naoko jednostavno prividnu umjetnost oblačenja. Kratkoročno, Cleggova otkrića bi se mogla iskoristiti za ubrzanje procesa stvaranja realističnih 3D animacija. No, još važnije, ovi uvidi mogu pomoći u dizajniranju pomoćnih robota koji mogu pomoći u zbrinjavanju mladih i starih ljudi.

Istraživači su započeli s podučavanjem računala kako ovladati stavljanjem ruke u rukav. U članku koji će biti predstavljen na predstojećoj konferenciji SIGGRAPH Asia 2018 o računalnoj grafici u prosincu, Clegg i njegovi kolege objasnili su preciznu tehniku ​​koju su koristili, vrstu strojnog učenja nazvanog "duboko pojačano učenje".

Cilj dubokog pojačanog učenja je pokušati naučiti robote kako dovršiti određene pokrete i zadatke tako da ih stalno iznova izvode. U slučaju preljeva A. I., Cleggov tim je imao A.I. promatrati procesno virtualno okruženje, replicirati ga, a zatim ga nagraditi kada se činilo da je na pravom putu.

Clegg je objasnio da su stotinama tisuća pokušaja kako bi se animirani lik u obliku kobasice razvio kako bi naučili kako obući jaknu ili majicu. Uostalom, njihov je bot morao naučiti kako opažati dodir, kako bi mogao povući košulju kad je to bilo potrebno. Osim toga, oni su također trebali ugraditi mehanizam fizike kako bi simulacija bila što točnija.

Na kraju, Cleggov nespretni, animirani sin uspio je naučiti kako se može obući košulju, čak i pomalo inelegantno. Ipak, rezultati mogu biti najkorisniji kao dokaz koncepta kako se duboko učenje može koristiti za rješavanje nijansiranih problema.

"Uzbudljivo je zamisliti mnoštvo problema koje možemo riješiti dubinskim učenjem", kaže on. "Radujemo se nastavku rada na omogućavanju robotike i pronalaženju rješenja za velike probleme koji utječu na svakodnevni život toliko ljudi."

Pretvaranje nalaza nalaza ove studije za rad s robotikom zahtijevat će malo više rada kako bi se uskladili i softverski i hardverski aspekti. No, Cleggovi nalazi otkrivaju put za istraživače koji su zainteresirani za oslobađanje naših futurističkih skrbnika robota iz njihovih trenutnih ograničenja.