Vai atceraties šo ainu Volta Disneja filmā? Bambi kur titulētais jaunaudzis iemācās piecelties un staigāt ar savu spēku? Filmā tā ir burvīga vinjete, kas demonstrē prasmi, ko daudzi dzīvnieku mazuļi — no cūkām līdz žirafei un, jā, briežiem — apgūst dažu minūšu laikā pēc dzimšanas. Pirmajās dzīves stundās šie dzīvnieki ātri uzlabo savas motoriskās prasmes, līdz viņi pilnībā kontrolē savu pārvietošanos. Cilvēki, kuri mācās stāvēt, turoties pie lietām aptuveni septiņos mēnešos un sāk staigāt 15 mēnešu vecumā, salīdzinājumā ar to ir bezcerīgi kūtri.
Saturs
- Pozitīvs pastiprinājums
- Labāku robotu veidošana
Uzminiet, kāds ir jaunākais uzdevums, kurā roboti mūs ir pārspējuši? Jaunā pētījumā ko veica Google pētnieki, inženieri ir iemācījuši četrkājainajam minitauru robotam staigāt garām, labi, ka tas nemaz nav daudz jāmāca. Drīzāk viņi ir izmantojuši sava veida uz mērķi orientētu mākslīgo intelektu, lai izveidotu četrkājains robots iemācīties iet uz priekšu, atpakaļ un pagriezieties pa kreisi un pa labi atsevišķi. Tas varēja veiksmīgi iemācīties to izdarīt trīs dažādos apvidos, tostarp uz līdzenas zemes, mīksta matrača un kājslauķa ar spraugām.
Ieteiktie videoklipi
"Robotiem ar kājām var būt liela mobilitāte, jo kājas ir būtiskas, lai pārvietotos pa nebruģētiem ceļiem un vietām, kas paredzētas cilvēkiem." Jie Tan, projekta galvenais pētnieks un Google pārvietošanās pasākumu vadītājs, pastāstīja Digital Trends. "Mēs esam ieinteresēti ļaut robotiem ar kājām pārvietoties mūsu daudzveidīgajā un sarežģītajā reālās pasaules vidē, taču ir grūti manuāli konstruēt robotizētus kontrolierus, kas spēj apstrādāt šādu dažādību un sarežģītība. Tāpēc ir svarīgi, lai roboti varētu mācīties paši. Šis darbs ir aizraujošs, jo tas ir agrīna demonstrācija, ka ar mūsu sistēmu robots ar kājām var veiksmīgi iemācīties staigāt pats.
Pozitīvs pastiprinājums
Mācīšanās staigāt reālajā pasaulē ar minimālu cilvēka piepūli
Šī konkrētā projekta pamatā esošā tehnoloģija ir tā sauktā dziļās pastiprināšanas mācīšanās, a īpaša pieeja padziļinātai mācīšanai, ko iedvesmo biheiviorisma psiholoģija un izmēģinājumi un kļūdas mācīšanās. Programmatūras aģenti, kuriem tiek likts maksimizēt noteiktu atlīdzību, mācās veikt darbības tādā vidē, kas šos rezultātus sasniegs visprecīzākajā un efektīvākajā veidā. Pastiprināšanas mācīšanās spēks bija slavens demonstrēts 2013. gadā kad Google DeepMind izdeva dokumentu, kurā parādīts, kā tas ir apmācījis A.I. lai spēlētu klasiskās Atari videospēles. Tas tika panākts bez citiem norādījumiem, kā vien ekrānā redzamais rezultāts un aptuveni 30 000 pikseļi, kas veidoja katru spēlēto videospēļu kadru.
Videospēles vai vismaz simulācijas bieži izmanto arī robotikas pētnieki. Simulācijai teorētiski ir pilnīga jēga, jo tā ļauj robotiķiem apmācīt savu mašīnu virtuālajā pasaulē pirms došanās reālajā pasaulē. Tas ietaupa robotus no neizbēgamām kļūdām un nolietojuma, kas tiem varētu rasties, mācoties veikt noteiktu uzdevumu. Kā analoģiju iedomājieties, ja visas jūsu braukšanas nodarbības tiktu veiktas, izmantojot braukšanas simulatoru. Varētu izvirzīt argumentu, ka jūs mācītos ātrāk, jo jums nav jābūt tik piesardzīgam, riskējot ar savu fizisko drošību vai sabojājot savu (vai kāda cita) automašīnu. Varat arī trenēties ātrāk, negaidot piešķirtās nodarbības vai licencēta autovadītāja vēlēšanos jūs izvest.
Problēma ar to ir tāda, ka ikviens, kurš jebkad ir spēlējis braukšanas videospēli, zina, ka ir diezgan grūti modelēt reālo pasauli tā, lai tas būtu kā reālā pasaule. Tā vietā Google pētnieki sāka izstrādāt uzlabotus algoritmus, kas ļauj viņu robotam mācīties ātrāk, veicot mazāk izmēģinājumu. Balstoties uz iepriekšējo Google pētījumu publicēts 2018. gadā, viņu robots šajā jaunākajā demonstrācijā spēja iemācīties staigāt tikai pāris stundās.
Tas arī spēj to izdarīt, vienlaikus uzsverot piesardzīgāku, drošāku pieeju mācībām, kas ietver mazāku kritienu skaitu. Rezultātā tas samazina cilvēka iejaukšanās skaitu, kas jāveic, lai paceltu robotu un notīrītu no tā putekļus ikreiz, kad tas apgāžas.
Labāku robotu veidošana
Mācīšanās staigāt divās stundās var nebūt pietiekami efektīva, lai iemācītos staigāt, taču tas ir tālu no tā, ka inženieriem būtu skaidri jāieprogrammē, kā robotam parasti māca manevrēt. (Un, kā minēts, tas ir daudz labāk, nekā zīdaiņi var tikt galā šādā laika posmā!)
"Lai gan ir demonstrēti daudzi nepārraudzītas mācīšanās vai pastiprināšanas mācīšanās algoritmi simulācija, pielietojot tos īstiem robotiem ar kājām, izrādās neticami grūti,” Tan paskaidroja. “Pirmkārt, pastiprināšanas mācīšanās prasa datus, un robotu datu vākšana ir dārga. Mūsu iepriekšējais darbs ir risināja šo izaicinājumu. Otrkārt, apmācībai ir nepieciešams, lai kāds pavadītu daudz laika, uzraugot robotu. Ja mums ir nepieciešams, lai cilvēks uzraudzītu robotu un manuāli atiestatītu to ikreiz, kad tas paklūp — simtiem vai tūkstošiem reižu —, robota apmācīšana prasīs daudz pūļu un ļoti ilgu laiku. Jo ilgāks laiks ir nepieciešams, jo grūtāk ir paplašināt mācīšanos līdz daudziem robotiem dažādās vidēs.
Kādu dienu šis pētījums varētu palīdzēt radīt veiklākus robotus, kas spēj ātrāk pielāgoties dažādiem reljefiem. "Potenciālo pielietojumu ir daudz, " sacīja Tans. Tomēr Tans uzsvēra, ka šīs "vēl ir agrīnas dienas, un mums vēl ir jāpārvar daudz izaicinājumu".
Tomēr saskaņā ar pastiprināšanas mācību tēmu tas noteikti ir atalgojums, ko ir vērts palielināt!
Redaktoru ieteikumi
- AI pārvērta Breaking Bad par anime — un tas ir biedējoši
- Kāpēc AI nekad nevaldīs pasauli
- Kā mēs uzzināsim, kad mākslīgais intelekts patiešām kļūst jūtīgs?
- Smieklīgā formula: kāpēc mašīnu radīts humors ir A.I. svētais grāls?
- Izlasiet šausminoši skaisto A.I. — sintētisko rakstu pantu. kas domā, ka tas ir Dievs
Uzlabojiet savu dzīvesveiduDigitālās tendences palīdz lasītājiem sekot līdzi steidzīgajai tehnoloģiju pasaulei, izmantojot visas jaunākās ziņas, jautrus produktu apskatus, ieskatu saturošus rakstus un unikālus ieskatus.
