Išmanesnių robotų bendradarbių raktas gali būti didesnis paprastumas

Ponia Tech | Getty, Pixabay

Pagalvokite apie visus pasąmonės procesus, kuriuos atliekate vairuodami. Kai gaunate informaciją apie aplinkines transporto priemones, numatote, kaip jos gali judėti, ir galvojate, kaip reaguotumėte į tuos manevrus. Galbūt net galvojate, kaip galėtumėte paveikti kitus vairuotojus, atsižvelgdami į tai, ką, jų nuomone, galite padaryti.

Jei robotai nori sklandžiai integruotis į mūsų pasaulį, jie turės daryti tą patį. Dabar mokslininkai iš Stanfordo universiteto ir Virdžinijos technologijų pasiūlė nauja technika padėti robotams atlikti tokio pobūdžio elgesio modeliavimą, kurį kitą savaitę jie pristatys kasmetinėje tarptautinėje konferencijoje apie robotų mokymąsi. Tai reiškia, kad robotas apibendrina tik plačius kitų agentų judesius, o ne fiksuoja juos tiksliai. Tai leidžia greitai nuspėti savo būsimus veiksmus ir savo atsakymus, neužsikimšant nuo sunkių skaičiavimų.

Kitokia proto teorija

Tradiciniai metodai, padedantys robotams dirbti kartu su žmonėmis, įkvėpimo semiasi iš psichologijos idėjos, vadinamos proto teorija. Tai rodo, kad žmonės įsitraukia ir užjaučia vieni kitus, ugdydami supratimą apie vienas kito įsitikinimus – įgūdį, kurį ugdome būdami maži vaikai. Tyrėjai, kurie remiasi šia teorija, sutelkia dėmesį į tai, kad robotai sukurtų savo bendradarbių ketinimų modelį, kuris būtų pagrindas prognozuoti jų veiksmus.

Dorsa Sadigh, Stanfordo docentė, mano, kad tai neefektyvu. Jei galvojate apie žmogaus ir žmogaus sąveiką, mes to tikrai nedarome, sako ji. Jei bandome kartu perkelti stalą, mes nedarome įsitikinimų modeliavimo. Vietoj to, sako ji, du žmonės, judantys stalą, remiasi paprastais signalais, pavyzdžiui, jėgomis, kurias jaučia bendradarbis, stumdamas ar traukiantis stalą: Taigi aš manau, kad iš tikrųjų atsitinka taip, kad kai žmonės atlieka užduotį kartu, jie kažką stebi. tai daug žemesnių matmenų.

Naudodamas šią idėją, robotas galėtų saugoti labai paprastus aplinkinių agentų veiksmų aprašymus. Pavyzdžiui, oro ritulio žaidime jis gali įrašyti savo priešininkų judesius tik vienu žodžiu: dešinėn, kairėn arba centre. Tada jis gali naudoti šiuos duomenis, kad apmokytų du atskirus algoritmus: mašininio mokymosi algoritmą, kuris numato, kur priešininkas judės toliau, ir sustiprinimo mokymosi algoritmą, kad nustatytų, kaip jis turėtų reaguoti. Pastarasis algoritmas taip pat seka, kaip priešininkas keičia taką pagal savo atsaką, todėl gali išmokti daryti įtaką priešininko veiksmams.

Pagrindinė mintis čia yra lengvas treniruočių duomenų pobūdis, kuris leidžia robotui atlikti visą šią lygiagrečią treniruotę skrendant. Tradiciškesnis metodas gali saugoti viso priešininko judesių kelio koordinates, o ne tik jų bendrą kryptį. Nors gali atrodyti priešingai, kad mažiau yra daugiau, verta dar kartą prisiminti Sadigho teoriją apie žmonių sąveiką. Mes irgi aplinkinius žmones modeliuojame tik plačiais potėpiais.

Tyrėjai išbandė šią idėją modeliuodami programas, įskaitant savarankiškai važiuojantį automobilį, ir realiame pasaulyje su robotų oro ritulio žaidimu. Kiekviename iš bandymų naujoji technika pranoko ankstesnius metodus, skirtus mokyti robotus prisitaikyti prie aplinkinių agentų. Robotas taip pat efektyviai išmoko daryti įtaką aplinkiniams.

Būsimas darbas

Vis dar yra keletas problemų, kurias turės išspręsti būsimi tyrimai. Pavyzdžiui, šiuo metu darbe daroma prielaida, kad kiekviena roboto sąveika yra baigtinė, sako Toronto universiteto docentas Jakobas Foersteris, kuris nedalyvavo darbe.

Savarankiško vairavimo modeliavime tyrėjai manė, kad roboto automobilis patyrė tik vieną aiškiai ribojamą sąveiką su kitu automobiliu per kiekvieną mokymo etapą. Bet vairavimas, žinoma, taip neveikia. Sąveika dažnai yra nenutrūkstama ir reikalauja, kad savarankiškai vairuojantis automobilis išmoktų ir pritaikytų savo elgesį kiekvienos sąveikos metu, o ne tik tarp jų.

Kitas iššūkis, sako Sadighas, yra tai, kad metodas apima žinias apie geriausią būdą apibūdinti bendradarbio elgesį. Patys tyrėjai oro ritulio žaidime turėjo sugalvoti etiketes dešinėje, kairėje ir centre, kad robotas apibūdintų savo priešininko veiksmus. Šios etiketės ne visada bus tokios akivaizdžios sudėtingesnėje sąveikoje.

Nepaisant to, Foerster mano, kad laikraščio indėlis yra perspektyvus. Jis sako, kad atotrūkio tarp mokymosi iš kelių agentų ir žmogaus ir AI sąveikos panaikinimas yra labai svarbus ateities tyrimų būdas. Labai džiaugiuosi, kai šie dalykai bus sujungti.

paslėpti