211service.com
En AI-drevet robothånd brukte hundre år på å lære seg selv å rotere en kube
Dactyl
AI-forskere har demonstrert en selvlærende algoritme som gir en robothånd bemerkelsesverdig ny fingerferdighet. Skapelsen deres lærte seg selv å manipulere en kube med uhyggelig dyktighet ved å øve i tilsvarende hundre år inne i en datasimulering (men bare noen få dager i sanntid).
Robothånden er fortsatt ikke på langt nær så smidig som en menneskelig, og alt for klønete til å bli utplassert på en fabrikk eller et lager. Likevel viser forskningen potensialet for maskinlæring for å låse opp nye robotegenskaper. Det antyder også at roboter en dag kan lære seg selv nye ferdigheter i virtuelle verdener, noe som i stor grad kan fremskynde prosessen med å programmere eller trene dem.
Robotsystemet, kalt Dactyl, ble utviklet av forskere ved OpenAI , en ideell organisasjon basert i Silicon Valley. Den bruker en robothånd fra et britisk selskap kalt Shadow, et vanlig kamera, og en algoritme som allerede har mestret et viltvoksende flerspillervideospill, DotA, ved å bruke den samme selvlærende tilnærmingen (se Et team av AI-algoritmer akkurat knuste mennesker i et komplekst dataspill).
Algoritmen bruker en maskinlæringsteknikk kjent som forsterkningslæring. Dactyl fikk i oppgave å manøvrere en kube slik at et annet ansikt ble snudd opp. Det ble overlatt å finne ut, gjennom prøving og feiling, hvilke bevegelser som ville gi de ønskede resultatene.
Videoer av Dactyl viser at den roterer kuben med imponerende smidighet. Den fant automatisk ut flere grep som mennesker vanligvis bruker. Men forskningen viste også hvor langt AI fortsatt må gå: Roboten var i stand til å manipulere kuben med suksess bare 13 av 50 ganger etter dens hundre år med virtuell treningstid - langt mer enn et menneskebarn trenger.
Det kommer ikke til å passe inn i en industriell arbeidsflyt med det første, sier Rodney Brooks, professor emeritus ved MIT og grunnleggeren av Rethink Robotics, en oppstart som lager mer intelligente industriroboter. Men det er greit – forskning er en god ting å gjøre.
Forsterkende læring er inspirert av måten dyr ser ut til å lære gjennom positive tilbakemeldinger. Det ble først foreslått for flere tiår siden, men det har bare vist seg praktisk de siste årene takket være fremskritt som involverer kunstige nevrale nettverk (se 10 banebrytende teknologier 2017: Reinforcement learning). Alphabet-datterselskapet DeepMind brukte forsterkningslæring for å lage AlphaGo, et dataprogram som lærte seg selv å spille det djevelsk komplekse og subtile brettspillet Go med overmenneskelige ferdigheter.
Andre robotikkforskere har testet tilnærmingen en stund, men har blitt hemmet av vanskelighetene med å etterligne den virkelige verdens kompleksitet og uforutsigbarhet. OpenAI-forskerne kom seg rundt dette ved å introdusere tilfeldige variasjoner i deres virtuelle verden, slik at roboten kunne lære å gjøre rede for plager som friksjon, støy i robotens maskinvare, og øyeblikk når kuben delvis er skjult.
Alex Ray, en av ingeniørene bak roboten, sier Dactyl kan forbedres ved å gi den mer prosessorkraft og innføre mer randomisering. Jeg tror ikke vi har nådd grensen ennå, sier han. Ray legger til at det ikke er noen plan om å prøve å kommersialisere teknologien. Teamet hans fokuserer utelukkende på å utvikle de mest mulige tilnærmingene til generalisert læring.
Dette er vanskelig å gjøre bra, sier Dmitry Berenson , en robotiker ved University of Michigan som spesialiserer seg på maskinmanipulasjon. Berenson sier at det ikke er helt klart hvor langt de siste tilnærmingene til maskinlæring vil ta oss. Det er mye menneskelig innsats involvert i å komme opp med det rette nettverket for en spesifikk oppgave, sier han. Men han mener simulert læring kan vise seg å være svært nyttig: Hvis vi pålitelig kan krysse «virkelighetsgapet», gjør det læring eksponentielt enklere.