211service.com
Dirbtinio intelekto valdoma roboto ranka šimtą metų mokėsi pasukti kubą
Daktilas
AI tyrinėtojai pademonstravo savarankiško mokymosi algoritmas, suteikiantis roboto rankai nepaprasto naujo miklumo. Jų kūryba išmoko neįtikėtinai manipuliuoti kubu šimtui metų praktikuojant kompiuteriniame modeliavime (nors tik kelias dienas realiuoju laiku).
Roboto ranka vis dar nėra tokia judri kaip žmogaus ir per daug gremėzdiška, kad ją būtų galima panaudoti gamykloje ar sandėlyje. Nepaisant to, tyrimai rodo, kad mašininis mokymasis gali atskleisti naujas robotų galimybes. Tai taip pat rodo, kad kada nors robotai gali išmokti naujų įgūdžių virtualiuose pasauliuose, o tai gali labai pagreitinti jų programavimo ar mokymo procesą.
Robotų sistemą, pavadintą Dactyl, sukūrė tyrėjai OpenAI , ne pelno siekianti organizacija, įsikūrusi Silicio slėnyje. Jame naudojama JK įmonės „Shadow“ sukurta robotinė ranka, įprasta kamera ir algoritmas, kuris jau yra įvaldęs platų kelių žaidėjų vaizdo žaidimą DotA, naudodamas tą patį savarankiško mokymosi metodą (žr. AI algoritmų komanda ką tik sutraiškyti žmonės sudėtingame kompiuteriniame žaidime).
Algoritmas naudoja mašininio mokymosi metodą, žinomą kaip sustiprinimo mokymasis. Daktilui buvo pavesta manevruoti kubu taip, kad būtų apverstas kitas veidas. Belieka per bandymus ir klaidas išsiaiškinti, kurie judesiai duos norimus rezultatus.
Vaizdo įrašuose apie Dactyl matyti, kaip jis įspūdingai judriai suka kubą. Jis automatiškai išsiaiškino keletą rankenų, kurias dažniausiai naudoja žmonės. Tačiau tyrimas taip pat parodė, kiek dar reikia nueiti dirbtiniu intelektu: robotas sugebėjo sėkmingai manipuliuoti kubu tik 13 kartų iš 50 po savo šimto metų trukusio virtualaus mokymo – daug daugiau, nei reikia žmogaus vaikui.
Greitai jis nebus pritaikytas pramoninei darbo eigai, sako Rodney Brooksas, MIT profesorius emeritas ir „Rethink Robotics“, startuolio, gaminančio išmanesnius pramoninius robotus, įkūrėjas. Bet tai gerai – moksliniai tyrimai yra geras dalykas.
Stiprinti mokymąsi įkvėpė tai, kaip gyvūnai mokosi iš teigiamų atsiliepimų. Pirmą kartą jis buvo pasiūlytas prieš dešimtmečius, tačiau pastaraisiais metais jis pasirodė praktiškas dėl pažangos, susijusios su dirbtiniais neuroniniais tinklais (žr. 10 pažangių technologijų, 2017 m.: Stiprinamasis mokymasis). „Alphabet“ dukterinė įmonė „DeepMind“ panaudojo sustiprinimo mokymąsi, kad sukurtų „AlphaGo“ – kompiuterinę programą, kuri išmoko žaisti velniškai sudėtingą ir subtilų stalo žaidimą „Go“ su antžmogiškais įgūdžiais.
Kiti robotikos tyrėjai jau kurį laiką išbandė šį metodą, tačiau juos vargino sunkumai imituojant realaus pasaulio sudėtingumą ir nenuspėjamumą. OpenAI tyrėjai tai padarė įvesdami atsitiktinius savo virtualaus pasaulio variantus, kad robotas išmoktų atsižvelgti į tokius nepatogumus kaip trintis, triukšmas roboto aparatinėje įrangoje ir akimirkos, kai kubas iš dalies yra paslėptas.
Alexas Ray'us, vienas iš roboto inžinierių, sako, kad „Dactyl“ būtų galima patobulinti suteikiant jam daugiau apdorojimo galios ir įvedant daugiau atsitiktinių imčių. Nemanau, kad mes dar pasiekėme ribą, sako jis. Ray priduria, kad neketinama bandyti komercializuoti šios technologijos. Jo komanda yra susitelkusi tik į kuo galingiausių apibendrintų mokymosi metodų kūrimą.
Tai sunku padaryti gerai, sako Dmitrijus Berensonas , robotas iš Mičigano universiteto, kuris specializuojasi mašinų manipuliavime. Berensonas sako, kad nėra tiksliai aišku, kaip toli mus nuves naujausi mašininio mokymosi metodai. Jis sako, kad norint sukurti tinkamą tinklą konkrečiai užduočiai reikia įdėti daug žmogaus pastangų. Tačiau jis mano, kad imituotas mokymasis gali būti labai naudingas: jei galime patikimai įveikti „realybės atotrūkį“, mokymasis bus eksponentiškai lengvesnis.