Roboti uče kuhati gledajući YouTube
Zamislite da posjedujete osobnog robota koji Vam svako jutro priprema doručak. A sada zamislite da taj isti robot ne treba nikakvu pomoć sa strane koji bi mu sugerirala kako napraviti savršen omlet, jer je sve potrebne korake naučio gledajući YouTube. Ovo možda zvuči kao znanstvena fantastika, ali tim sa Sveučilišta Maryland upravo je napravio značajan pomak kojim se ovaj scenarij približio korak bliže stvarnosti.
Istraživači s Instituta za napredne računalne studije Sveučilišta u Marylandu u suradnji sa znanstvenicima Nacionalnog informacijsko-komunikacijskog tehnološkog istraživačkog centra izvrsnosti (UMIACS) izradili su robotski sistem koji je sposoban učiti samostalno. Točnije, ovi roboti sposobni su naučiti zamršene pokrete prihvaćanja i korištenja predmeta potrebnih za kuhanje tako da gledaju online videozapise na kojima se kuha. Ključni napredak je sposobnost da roboti sami „razmišljaju", odnosno odlučuju koja je najbolja kombinacija promatranih kretnji koja im omogućuje efikasno obavljanje dobivenog zadatka.
Istraživači su postigli ovu prekretnicu kombinirajući pristupe tri različita područja istraživanja: umjetne inteligencije ( područje dizajniranja računala sposobnih donositi vlastite odluke), računalnog „vida" (izrada sistema koja može točno identificirati oblike i kretnje), te područje procesiranja prirodnog jezika ( razvijanje sistema koji može razumjeti izgovorene upute). Iako je konačni rezultat rada kompleksan, tim je želio prezentirati rezultat tako da se on pretoči u nešto praktično što se može povezati sa svakodnevnim životom.
"Izabrali smo kuhanje jer svi to rade i razumiju" kazao je Yiannis Aloimonos, profesor računalnih znanosti na sveučilištu, te direktor Computer Vision Lab-a , jednog od 16 laboratorija i centara u UMIACS-u. „Kuhanje je kompleksno u smislu operacija koje se obavljaju, koraka koji su uključeni u proces, kao i alata koji se koriste. Ukoliko želite na primjer narezati krastavac, morate uzeti nož, dovesti ga na radno mjesto, početi rezati, te potom promotriti rezultat kako bi ste bili sigurni da ste sve dobro napravili."
Ključan izazov bio je u osmišljavanju načina kako da robot dobro podijeli pojedine korake dok prikuplja informacije iz videozapisa čija kvaliteta varira. Roboti moraju biti sposobni prepoznati svaki pojedinačni korak, usvojiti ga kao „pravilo" koje određuje određeno ponašanje, te zatim povezati ta ponašanja na odgovarajući način.
„Trudimo se stvoriti tehnologiju koja bi na kraju omogućila i to da roboti mogu sudjelovati u interakciji s ljudima." kazala je Cornelia Fermüller, znanstvena suradnica na UMIACS-u. "Zbog toga oni moraju razumjeti što ljudi rade. Kako bi to mogli, potrebni su nam alati kako bi roboti mogli imitirati ljudske pokrete i pratiti ih u realnom vremenu. Mi smo zainteresirani za razumijevanje svih tih komponenata. Na koji način ljudi obavljaju određenu radnju? Kako tu istu radnju ljudi percipiraju? Koji kognitivni procesi stoje iza toga?"
Aloimonos i Fermüller uspoređuju ove individualne radnje sa riječima u rečenici. Jednom kada robot nauči „vokabular" radnji, roboti ih mogu zatim povezati na način na koji postižu postavljeni cilj. Ustvari je upravo to ono što razlikuje njihov rad od prijašnjih napora.
"Ostali su pokušali kopirati pokrete. Umjesto toga mi smo probali kopirati cilj. Upravo je to prekretnica" objasnila je Aloimonos. Ovaj pristup omogućuje robotu da sam za sebe odluči kako da na najbolji način kombinira različite radnje, umjesto da obavlja prije definiran slijed radnji.
Rad se također oslanjao na specijaliziranu softversku arhitekturu poznatu kao deep-learning neural networks. Iako ovaj pristup nije nov, zahtijeva puno procesne snage kako bi dobro radio, te je dosta trajalo kako bi tehnologija došla na potrebnu razinu. Slične verzije neuronske mreže odgovorne su za sposobnosti glasovnog prepoznavanja u smartphoneima te sposobnosti prepoznavanja lica softvera koji koristi Facebook i ostali web servisi.
Iako se roboti koriste za nošenje s kompliciranim zadatcima već desetljećima (npr. linije za sastavljanje automobila) oni se moraju prvo precizno programirati i kalibrirati od strane ljudi. Samoučeći roboti mogli bi sakupljati potrebne informacije promatrajući ostale, način na koji i ljudi uče. Aloimonos i Fermüller predviđaju budućnost u kojoj roboti obavljaju svakodnevne poslove dok su ljudi slobodni posvetiti se više stimulativnim zadacima.
Posjedujući fleksibilne robote, doprinosimo sljedećoj fazi ˙automatizacije. To će biti sljedeća industrijska revolucija" izjavio je Aloimonos. „Imat ćemo pametan proizvođački okoliš i kompletno automatizirana skladišta. Bilo bi super koristiti autonomne robote za opasne poslove, na primjer za deaktiviranje bombi i čišćenje nuklearnih katastrofa kao događaj u Fukushimi. Demonstrirali smo da je moguće za humanoidne robote da rade ljudski posao"
Izvor: NewsDesk