Képzeld el, hogy van egy személyes robotod, amely elkészíti a reggelidet minden reggel. Most pedig képzeljük el, hogy ez a robot nem kell kiképezni, hogy hogyan lehet a tökéletes egy omlett, mert a szükséges lépéseket megtanulta a YouTube-on nézett videókból. Úgy hangzik ez, mint egy sci-fi, de az University of Maryland egyik kutatócsoportja nemrég jelentős lépést tett, hogy az imént ismertetett forgatókönyv egy lépéssel közelebb kerülhessen a valósághoz.
A University of Maryland Institute forAdvanced Studies Computer (UMIACS) kutatói összefogtak a National Information Communications Technology Research Centre of Excellence in Australia (NICTA) tudósaival, hogy olyan robotokat fejlesszenek, amelyek képesek tanítani önmagukat. Pontosabban, ezek a robotok képesek megtanulni azokat a bonyolult tárgy- megragadási és a manipulációs mozgásokat, amelyek főzés közben szükségesek, azáltal, hogy online főzési műsorokat, videókat néznek. A legfontosabb áttörés, hogy a robot képes "átgondolni," hogy saját maga számára mi a legjobb kombináció a megfigyelt mozgások közül, amely lehetővé teszi, hogy hatékonyan elvégezzen egy adott feladatot.
A munka január végén kerül bemutatásra a Mesterséges Intelligencia Konferencián a texasi Austinban. A kutatók ezt a mérföldkövet három kutatási terület kombinálásával érték el: mesterséges intelligencia, (azaz a tervezett számítógépek saját döntéseket képesek hozni); számítógépes látás, (azaz olyan mérnöki rendszerek, amelyek képesek pontosan azonosítani formákat és mozgásokat); és a természetes nyelvi feldolgozás, (robusztus rendszerek fejlesztése, amelyek megbízhatóan képesek értelmezni a szóbeli utasításokat). Bár az elvégzett munka komplex, és sok tekintetben teoretikus, a csapat szerette volna, ha az elért eredményeket valami praktikus és az emberek mindennapi életéhez kapcsolódó produktum mutatja be.
"Azért választottuk a főzési videókat, mert már mindenki látott ilyet, s tudja, miről van szó”, mondta Yiannis Aloimonos, az UMD professzora, a Computer Vision Lab igazgatója. "De a főzés összetett manipuláció, a szükséges műveletek, és a használt eszközök szempontjából. Ha például szeretnék felszeletelni egy uborkát, meg kell ragadni a kést, mozgatni a megfelelő helyre, elvégezni a vágásokat, és megfigyelni az eredményeket, hogy megfelelően csináltuk e. "
Az egyik legnagyobb kihívás annak kidolgozása volt, hogy a robotok megfelelően értelmezzék az egyes lépéseket, mialatt információt gyűjtenek videókról, melyek változó minőségűek és dramaturgiai felépítésűek voltak. A robotoknak fel kelet ismerniük a különböző lépéseket, szabályt hozzárendelni az ilyen csoportokhoz, majd összefűzni a viselkedési formákat a megfelelő sorrendbe.
"Igyekszünk létrehozni egy technológiát, hogy a robotok végül kölcsönhatásba léphessenek az emberekkel," mondta Cornelia Fermüller, az UMIACS kutatója. "Így meg kell érteniük, amit az emberek csinálnak. Ehhez meg kell teremtenünk az eszközöket annak érdekében, hogy a robotok észleljék az emberi viselkedés struktúrát és annak releváns elemeit, és képesek legyenek nyomon követni valós időben. Meg kell érteniük minden összetevőt. Hogyan hajtanak végre egy akciót az emberek? Hogyan érzékelik ezt más emberek? Mik a kognitív folyamatok az említettek mögött? "
"Mások már próbálták utánozni, másolni az emberi cselekvéseket. Ehelyett mi próbáljuk lemásolni az emberi célokat. Ez az áttörés," mondta el Aloimonos. Ez a megközelítés lehetővé teszi a robotoknak, hogy maguk döntsék el, hogyan lehet a legjobban kombinálni a különböző akciókat, ahelyett, hogy próbálnának megismételni egy korábban már látott vagy elvégzett cselekedet-sorozatot.
A munka támaszkodik egy olyan speciális szoftver architektúrára is, amelyeket „deep-learning” neurális hálózatoknak is szoktak nevezni. Ez a megoldás nem új, és a tapasztalatok szerint nagy feldolgozási teljesítményt igényel. Hasonló számítógépes neurális hálózatokra alapul az okostelefonok hangfelismerő képessége, vagy a Facebook által használt arcfelismerő szoftver.


Szemlézte: elitmed.hu, Kolin Péter
Forrás: https://www.ehealthnews.eu/