Видео открива изненађујуће изазове наставе А.И. да се обучем

Пузање у мајицу може бити један од неколико задатака које смо људи способни учинити чак и кад смо једва будни и још увијек гребемо сан из очију. Али чињеница да смо овладали како се облачимо (мање или више) оповргава колико је сложена серија покрета који су потребни да би се пребацили од тога да будемо у кожи довољно обучени да изађу из врата заиста јесте.

Једна особа која ово разумије, као и било ко, је Алек Цлегг, професор информатике. студент на Технолошком институту у Џорџији, који је био фокусиран на употребу машинског учења за вештачку интелигенцију како да се обуче. Како каже Инверсе, док А.И. је довољно паметан да предвиди који ће пацијенти добити сепсу или како да изазове светске шампионе у сложеним стратешким играма, а учење машина како да обуче мајицу показало се као неухватљив циљ.

"Тканина је сложена", објашњава он у е-маилу. "Може одмах и драстично да реагује на мале промене у положају тела и често ограничава кретање … Одећа такође има тенденцију да се савија, држи се и држи за тело, чинећи хаптичким или додирним осећајем битним за задатак."

Па зашто, тачно, компјутер који покушава да разбије како се уклапамо ујутро? Цлегг је објаснио да постоји неколико могућих апликација за А.И. која разуме наизглед једноставну, привидну уметност облачења. Краткорочно, Цлеггова открића би се могла искористити да би једног дана убрзала процес израде реалистичних 3Д анимација. Али што је још важније, ови увиди могу помоћи у дизајнирању помоћних робота који могу помоћи да се брину о младим и старим људима.

Истраживачи су почели да уче компјутер како овлада руком у рукав. У чланку који ће бити представљен на предстојећој конференцији СИГГРАПХ Асиа 2018 о компјутерској графици у децембру, Цлегг и његове колеге објаснили су прецизну технику коју су користили, тип стројног учења названог "дубоко појачано учење".

Циљ дубоко ојачаног учења је покушати научити роботе како да заврше одређене покрете и задатке тако што ће их изнова и изнова изводити. У случају облачења А.И., Цлеггов тим је имао А.И. посматрајте процесно виртуелно окружење, умножите га, а затим га наградите када се чинило да је на правом путу.

Цлегг је објаснио да су стотинама хиљада покушаја како би се анимирани лик у облику кобасице развио како би научили како обући јакну или мајицу. На крају крајева, њихов бот је морао да научи како да опази додир, како би могао да повуче кошуљу када је то било потребно. Поред тога, они су такође морали да укључе физички мотор да би симулација учинила што је могуће тачнијом.

На крају, Цлеггов неспретни, анимирани син успео је да научи како да се огрне, чак и мало помало. Ипак, резултати могу бити најкориснији као доказ концепта како се дубоко учење може користити за рјешавање нијансираних проблема.

"Узбудљиво је замислити мноштво проблема које можемо ријешити дубоким учењем", каже он. "Радујемо се наставку рада на омогућавању роботике и проналажењу решења за велике проблеме који утичу на свакодневни живот толиког броја људи."

Претварање налаза налаза ове студије за рад с роботиком ће захтијевати мало више рада како би се хармонизирали и софтверски и хардверски аспекти. Али Цлеггова открића износе пут за истраживаче који су заинтересовани да ослободе наше футуристичке роботске чуваре из њихових тренутних ограничења.