Сначала собаку пинают, потом толкают, затем пихают палкой. Каждый раз она встаёт обратно на ноги.

Но не спешите звонить в службу по защите животных — это собака-робот, проходящая тренировки в Эдинбургском университете.

Алекс Ли (Alex Li) возглавляет лабораторию продвинутой робототехники в университете и является одним из лидеров в применении искусственного интеллекта (ИИ) к роботам.

ИИ, который управляет его собакой, может справиться с ситуациями, каких он никогда раньше не видел, например преодолеть скользкие поверхности или лестницы.

И если вы когда-либо смотрели в Интернете видеозаписи падающих роботов, то вы поймете, насколько сложно этого добиться.

Как же мистер Ли и его команда дрессировали свою собаку по имени Цзюэ-ин (Jue-ying) — или, по крайней мере, искусственный интеллект, который её контролирует?

Ли сравнивает этот процесс с тем, как маленьких детей учат играть в футбол. Во-первых, их, вероятно, обучат индивидуальным навыкам, таким как передача, ведение мяча и удар по воротам.

Алекс Ли — руководитель лаборатории продвинутой робототехники Эдинбургского университета

После того, как они овладеют этими основами, их можно будет тренировать в простых матчах, где дети узнают, как объединить эти навыки, чтобы выиграть игру.

Этот способ обучения, столь естественный для людей, компании и исследователи пытаются воспроизвести на машинах.

Изначально роботизированную собаку обучали двум навыкам — восстановлению после падения и ходьбе, и каждый из них был разработан в отдельной искусственной нейронной сети.

Нейронные сети полагаются на слои из тысяч или миллионов крошечных соединений между узлами, кластерами математических вычислений, и могут адаптироваться по мере обучения.

Эти первые два набора навыков были использованы в качестве основы для создания других — всего восемь нейронных сетей.

Если эти восемь становятся «игроками футбольной команды», то последней задачей было создать тренера — ИИ, который мог бы объединить их навыки для решения определённых проблем, таких как подъём с разных позиций и движение к цели.

После дрессировки собака могла справляться с новыми ситуациями, например двигаться по пересечённой местности

Красота и потенциальная полезность этой техники заключается в том, что робопёс может быть представлен в совершенно новых сценариях, например при перемещении по лестнице или по каменистой поверхности, и способен быстро приспосабливаться, чтобы оставаться в вертикальном положении и продолжать движение к своей цели.

Может показаться, что это не так уж масштабно, но Ли надеется, что этот метод можно разработать, и роботы сумеют выполнять гораздо более сложные задачи.

«Конечно, передвижение — это круто, вы можете видеть, как бегают роботы, как их пинают, и они встают. Но к концу дня вы хотите, чтобы робот сделал что-то полезное для вас», — говорит он.

Это потребует включения таких функций, как системы технического зрения и роботизированные руки, что добавляет много уровней сложности.

Работа Ли основана на исследованиях DeepMind Technologies, подразделения искусственного интеллекта Alphabet (владельцев Google), базирующегося в Лондоне.

Они были лидерами в технике, называемой глубоким обучением с подкреплением, с помощью которой нейронные сети учатся на собственном опыте.

AlphaGo от DeepMind обыграла мастера игры го

Используя эту технику, DeepMind разработал ИИ, который превзошёл мастеров в шахматах и го, а также стал ведущим игроком в компьютерной игре Starcraft.

Райя Хадселл (Raia Hadsell) — директор лаборатории робототехники DeepMind. Она говорит, что объединение ИИ и движения стало новым вызовом.

«Ваши действия меняют мир», — отмечает она. Итак, в отличие от ИИ, который, например, играет в шахматы, робот, выполняющий домашние дела, должен справляться с изменяющейся средой — представьте, что робот моет посуду и использует остатки моющего средства.

Но если этот подход удастся успешно разработать, награда может быть огромной.

«Я думаю, скоро мы увидим, как роботы используются людьми повсеместно и безопасно, потому что сможем немного больше взаимодействовать с этими роботами. Таким образом они станут способными выполнять работу по дому, — говорит она. — Но, наверное, важнее их использование в промышленности, сельском хозяйстве, строительстве. Представьте, что вы можете дать фермеру возможность использовать робота общего назначения, который обучается различным типам поведения».

Однако не думайте, что пора выкинуть утюг и швабру.

«Вряд ли это произойдёт в ближайшие пару лет, но, может быть, в ближайшие 10 лет», — говорит Хадселл.

Роботизированная собака мистера Ли ощущает мир, используя обратную связь от своих суставов и моторчиков — относительно простой набор входных сигналов. Выходы такие же простые — собака идёт или бежит к цели.

Следующий этап ИИ в роботах — научить их использовать более сложный ввод, такой как искусственное прикосновение

Натан Лепора (Nathan Lepora) — профессор робототехники и ИИ в Бристольской лаборатории робототехники. Он также обучал ИИ движению, но не робопса, а роботизированную руку с осязанием.

Его ИИ может распознавать объекты с помощью искусственного осязания. Хотя проект всё ещё находится в зачаточном состоянии, разработчик считает, что обучение ИИ распознаванию окружающей среды и перемещению является потенциально очень значимым.

«ИИ открывает гораздо более общие способы обучения управлению, чем, например, простые ручные контроллеры. В этом разница. И это предполагает глубокое обучение с подкреплением».

«А глубокое обучение с подкреплением также даёт возможность использовать гораздо более сложные сенсорные входы для этого управления».

Однако будет непросто обучить ИИ, который управляет роботом-гуманоидом, оснащённым всевозможными датчиками.

«Уровень машиностроения, задействованный в создании этих роботов, отчасти превзошёл нашу способность управлять ими, потому что они слишком сложные. И это проблема, которая сейчас решается», — говорит профессор Лепора.

Источник: https://www.bbc.com/news/business-55770190

от AI_NEWS

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *