211service.com
En AI-drevet robothånd brugte hundrede år på at lære sig selv at rotere en terning
Dactyl
AI-forskere har demonstreret en selvlærende algoritme, der giver en robothånd bemærkelsesværdig ny behændighed. Deres skabelse lærte sig selv at manipulere en terning med uhyggelig dygtighed ved at øve sig i, hvad der svarer til hundrede år inde i en computersimulering (dog kun et par dage i realtid).
Robothånden er stadig ikke nær så smidig som en menneskelig og alt for klodset til at blive indsat på en fabrik eller et lager. Alligevel viser forskningen potentialet for maskinlæring til at låse op for nye robotegenskaber. Det tyder også på, at robotter en dag kan lære sig selv nye færdigheder i virtuelle verdener, hvilket i høj grad kan fremskynde processen med at programmere eller træne dem.
Robotsystemet, kaldet Dactyl, er udviklet af forskere ved OpenAI , en nonprofit med base i Silicon Valley. Det bruger en håndlavet robothånd fra et britisk firma kaldet Shadow, et almindeligt kamera og en algoritme, der allerede har mestret et vidtstrakt multiplayer-videospil, DotA, ved at bruge den samme selvlærende tilgang (se Et team af AI-algoritmer lige knuste mennesker i et komplekst computerspil).
Algoritmen bruger en maskinlæringsteknik kendt som forstærkningslæring. Dactyl fik til opgave at manøvrere en terning, så et andet ansigt blev vendt opad. Det blev overladt til gennem forsøg og fejl at finde ud af, hvilke bevægelser der ville give de ønskede resultater.
Videoer af Dactyl viser, at den roterer kuben med imponerende smidighed. Det fandt automatisk ud af flere greb, som mennesker almindeligvis bruger. Men forskningen viste også, hvor langt AI stadig skal gå: Robotten var i stand til at manipulere kuben med succes kun 13 ud af 50 gange efter dens hundrede års virtuel træningstid - langt mere end et menneskebarn har brug for.
Det kommer ikke til at passe ind i en industriel arbejdsgang foreløbig, siger Rodney Brooks, professor emeritus ved MIT og grundlæggeren af Rethink Robotics, en startup, der laver mere intelligente industrirobotter. Men det er fint – forskning er en god ting at gøre.
Forstærkende læring er inspireret af den måde, dyr synes at lære gennem positiv feedback. Det blev først foreslået for årtier siden, men det har kun vist sig praktisk i de senere år takket være fremskridt, der involverer kunstige neurale netværk (se 10 banebrydende teknologier 2017: Forstærkningslæring). Alphabet-datterselskabet DeepMind brugte forstærkningslæring til at skabe AlphaGo, et computerprogram, der lærte sig selv at spille det djævelske komplekse og subtile brætspil Go med overmenneskelige færdigheder.
Andre robotforskere har testet tilgangen i et stykke tid, men er blevet hæmmet af vanskeligheden ved at efterligne den virkelige verdens kompleksitet og uforudsigelighed. OpenAI-forskerne kom uden om dette ved at introducere tilfældige variationer i deres virtuelle verden, så robotten kunne lære at redegøre for gener som friktion, støj i robottens hardware og øjeblikke, hvor kuben delvist er skjult.
Alex Ray, en af ingeniørerne bag robotten, siger, at Dactyl kunne forbedres ved at give den mere processorkraft og indføre mere randomisering. Jeg tror ikke, vi har nået grænsen endnu, siger han. Ray tilføjer, at der ikke er nogen plan om at forsøge at kommercialisere teknologien. Hans team er udelukkende fokuseret på at udvikle de mest kraftfulde generaliserede læringstilgange som muligt.
Det her er svært at gøre godt, siger Dmitry Berenson , en robotiker ved University of Michigan, der har specialiseret sig i maskinmanipulation. Berenson siger, at det ikke er helt klart, hvor langt de seneste maskinlæringstilgange vil bringe os. Der er en masse menneskelig indsats involveret i at finde det rigtige netværk til en specifik opgave, siger han. Men han mener, at simuleret læring kan vise sig at være meget nyttig: Hvis vi pålideligt kan krydse 'virkelighedskløften', gør det læring eksponentielt nemmere.