Så börjar äntligen robotupproret

De skyldiga är Wintermeyer

Robotarmen utför en märklig typ av sisyfisk uppgift. Den svävar över en glittrande hög med kokta kycklingdelar, sjunker ner och hämtar en enda bit. En stund senare svänger den runt och placerar kycklingbiten, aldrig så försiktigt, i en bentolåda som rör sig längs ett transportband.

Den här roboten, som styrs av programvara från ett San Francisco-baserat företag som heter Osaro, är smartare än någon annan du sett tidigare. Programvaran har lärt den att plocka och placera kyckling på cirka fem sekunder. Inom året förväntar sig Osaro att deras robotar ska hitta arbete i en japansk matfabrik.

Den här historien var en del av vårt julinummer 2018

• Se resten av frågan
• Prenumerera

Den som är orolig för ett robotuppror behöver bara kliva in i en modern fabrik för att se hur långt bort det är. De flesta robotar är kraftfulla och exakta men kan inte göra någonting om de inte är noggrant programmerade. En vanlig robotarm saknar det sinne som behövs för att plocka upp ett föremål om det flyttas en tum. Det är helt hopplöst att greppa något obekant; den vet inte skillnaden mellan en marshmallow och en blykub. Att plocka upp oregelbundet formade kycklingbitar från en slumpartad hög är en genihandling.

Industrirobotar har i stort sett varit oberörda av de senaste framstegen inom artificiell intelligens. Under de senaste fem eller så åren har AI-programvaran blivit skicklig på att identifiera bilder, vinna brädspel och svara på en persons röst praktiskt taget utan mänsklig inblandning. Den kan till och med lära sig själv nya förmågor, om den får tillräckligt med tid att öva. Allt detta medan AI:s hårdvarukusiner, robotar, kämpar för att öppna en dörr eller plocka upp ett äpple.

Det är på väg att ändras. AI-mjukvaran som styr Osaros robot låter den identifiera objekten framför den, studera hur de beter sig när de petas, knuffas och greppas och sedan bestämma hur de ska hanteras. Liksom andra AI-algoritmer lär den sig av erfarenhet. Med hjälp av en standardkamera i kombination med maskininlärningsprogramvara på en kraftfull dator i närheten, kommer den ut för hur man greppar saker effektivt. Med tillräckligt med försök och misstag kan armen lära sig att greppa nästan allt den kan stöta på.

En robot hämtar produkter från en papperskorg vid Osaros huvudkontor. Winni Wintermeyer

Arbetsplatsrobotar utrustade med AI kommer att låta automation krypa in på många fler arbetsområden. De kan ersätta människor var som helst där produkter behöver sorteras, packas upp eller packas. De kan navigera i ett kaotiskt fabriksgolv och kan ta ännu fler jobb inom tillverkningen. Det kanske inte är ett uppror, men det kan ändå bli en revolution. Vi ser mycket experiment nu, och folk provar många olika saker, säger Willy Shih, som studerar trender inom tillverkning vid Harvard Business School. Det finns en enorm möjlighet att [automatisera] repetitiva uppgifter.

Det är en revolution inte bara för robotarna, utan också för AI. Genom att placera AI-programvara i en fysisk kropp kan den använda visuell igenkänning, tal och navigering ute i den verkliga världen. Artificiell intelligens blir smartare när den matas på mer data. Så med varje grepp och placering kommer mjukvaran bakom dessa robotar att bli mer och mer skickliga på att förstå världen och hur den fungerar.

Detta kan leda till framsteg som inte skulle vara möjliga utan all denna data, säger Pieter Abbeel, professor vid University of California, Berkeley, och grundaren av Covariant.ai (tills nyligen kallad Embodied Intelligence), en startup som tillämpar maskininlärning och virtuell verklighet till robotik i tillverkningen.

Separerade vid födseln

Den här eran har varit på väg länge. 1954 patenterade George C. Devol, en uppfinnare, en design för en programmerbar mekanisk arm. 1961 gjorde en tillverkningsentreprenör vid namn Joseph Engelberger designen till Unimate, en otymplig, besvärlig maskin som först användes på ett General Motors löpande band i New Jersey.

Från början fanns det en tendens att romantisera intelligensen bakom dessa enkla maskiner. Engelberger valde namnet robot för Unimate för att hedra androiderna som science fiction-författaren Isaac Asimov drömde om. Men hans maskiner var råa mekaniska anordningar riktade för att utföra en specifik uppgift med relativt enkel programvara. Även dagens mycket mer avancerade robotar förblir inte mycket mer än mekaniska dunser som måste programmeras för varje åtgärd.

Artificiell intelligens gick en annan väg. På 1950-talet satte den sig för att använda datorverktygen för att efterlikna mänsklig logik och förnuft. Vissa forskare försökte också ge dessa system en fysisk närvaro. Redan 1948 och 1949 utvecklade William Gray Walter, en neuroforskare i Bristol, Storbritannien, två små autonoma maskiner som han kallade Elsie och Elmer. Dessa sköldpaddsliknande enheter var utrustade med enkla, neurologiskt inspirerade kretsar som lät dem följa en ljuskälla på egen hand. Walter byggde dem för att visa hur kopplingarna mellan bara ett fåtal neuroner i hjärnan kan resultera i ett relativt komplext beteende.

En anställd på Embodied Intelligence använder en virtuell verklighetsrigg för att träna en robot. Artighetsfoto

Men att förstå och återskapa intelligens visade sig vara en bysantinsk utmaning, och AI gick in i en lång period med få genombrott. Samtidigt visade sig programmering av fysiska maskiner för att göra användbara saker i den stökiga verkliga världen ofta svårlöst komplicerat. AI och robotar har varit stallkamrater i forskningslabb i decennier, och forskare har försökt tillämpa maskininlärning på industrirobotar, men det har ännu inte tagit fart inom industrin.

Sedan, för ungefär sex år sedan, kom forskare på hur man gör ett gammalt AI-trick otroligt kraftfullt. Forskarna använde neurala nätverk - algoritmer som ungefärligt sett ungefär hur neuroner och synapser i hjärnan lär sig av input. Dessa nätverk var, visar det sig, direkta ättlingar till komponenterna som gav Elsie och Elmer deras förmågor. Forskarna upptäckte att mycket stora eller djupa neurala nätverk kunde göra anmärkningsvärda saker när de matades med enorma mängder märkt data, som att känna igen objektet som visas i en bild med nästan mänsklig perfektion.

AI-fältet vändes upp och ner. Deep learning, som tekniken är allmänt känd, används nu flitigt för uppgifter som involverar perception: ansiktsigenkänning, taltranskription och träning av självkörande bilar för att identifiera fotgängare och vägvisare. Det har gjort det möjligt att föreställa sig en robot som kunde känna igen ditt ansikte, tala intelligent till dig och navigera säkert till köket för att få dig en läsk från kylen.

De skyldiga är Wintermeyer

Mannen bakom Osarou2019s smartare robot

• Osaros VD, Derik Pridmore, studerade fysik och datavetenskap vid MIT innan han gick med i ett West Coast VC-företag som heter Founders Fund. När Pridmore var där identifierade Pridmore DeepMind, ett brittiskt AI-företag, som ett investeringsmål, och han arbetade med företagets grundare för att finslipa deras pitch. DeepMind fortsatte med att lära maskiner att göra saker som verkade omöjliga vid den tiden. Kända utvecklade det AlphaGo, programmet som slog den högst rankade mänskliga stormästaren i brädspelet Go.

• När Google förvärvade DeepMind 2014 beslutade Pridmore att AI hade kommersiell potential. Han grundade Osaro och satte snabbt in på robotplockning som den idealiska applikationen. Att greppa föremål som är lastade i en soptunna eller rullande längs ett transportband är en enkel uppgift för en människa, men det kräver genuin intelligens.

• Teknikerna som DeepMind var banbrytande för, känd som djup förstärkningsinlärning, låter maskiner utföra komplexa uppgifter utan att lära sig av mänskliga exempel. Positiv feedback, som att få en högre poäng i ett videospel, ställer in nätverket och flyttar algoritmen närmare målet tills den blir expert.

• Resonemanget som gör detta möjligt är begravt djupt i nätverket, kodat i samspelet mellan tiotals miljoner sammankopplade simulerade neuroner. Men det resulterande beteendet kan verka enkelt och instinktivt. Med tillräckligt med övning kan en arm lära sig att plocka upp saker effektivt, även när ett föremål flyttas, döljs av ett annat föremål eller formats lite annorlunda. Osaro använder djup förstärkningsinlärning, tillsammans med flera andra maskininlärningstekniker, för att göra industrirobotar mycket smartare.

En av de första färdigheterna som AI kommer att ge maskiner är mycket större skicklighet. Under de senaste åren har Amazon drivit en robotplockningsutmaning där forskare tävlar om att få en robot att plocka upp ett brett utbud av produkter så snabbt som möjligt. Alla dessa team använder maskininlärning och deras robotar blir gradvis mer skickliga. Amazon har uppenbarligen ett öga på att automatisera plockningen och packningen av miljarder artiklar inom sina leveranscenter.

Jag har arbetat med robotgrepp i 35 år, och vi har gjort väldigt små framsteg, säger Ken Goldberg, en kollega till Abbeel vid UC Berkeley. Tack vare framsteg inom AI som håller på att förändras: Vi är nu redo att ta ett stort steg framåt.

AI får en kropp

I området NoHo i New York letar en av världens främsta experter på artificiell intelligens för närvarande efter fältets nästa stora genombrott. Och han tror att robotar kan vara en viktig pusselbit.

Yann LeCun spelade en viktig roll i revolutionen för djupinlärning. Under 1980-talet, när andra forskare avfärdade neurala nätverk som opraktiska, höll LeCun ut. Som chef för Facebooks AI-forskning fram till januari, och nu som dess främsta AI-forskare, ledde han utvecklingen av algoritmer för djupinlärning som kan identifiera användare i nästan alla bilder som en person lägger upp.

Men LeCun vill att AI ska göra mer än att bara se och höra; han vill att det ska resonera och vidta åtgärder. Och han säger att det krävs en fysisk närvaro för att göra detta möjligt. Mänsklig intelligens involverar interaktion med den verkliga världen; Människobarn lär sig genom att leka med saker. AI inbäddad i gripmaskiner kan göra samma sak. Mycket av den mest intressanta AI-forskningen involverar nu robotar, säger LeCun.

En anmärkningsvärd typ av maskinutveckling kan till och med bli resultatet, som speglar processen som gav upphov till biologisk intelligens. Syn, skicklighet och intelligens började utvecklas tillsammans i en accelererad takt när hominider började gå upprätt och använde sina två fria händer för att undersöka och manipulera föremål. Deras hjärnor växte sig större och möjliggjorde mer avancerade verktyg, språk och social organisation.

Kan AI uppleva något liknande? Fram till nu har det funnits till stor del inuti datorer och interagerat med grova simuleringar av den verkliga världen, som videospel eller stillbilder. AI-program som kan uppfatta den verkliga världen, interagera med den och lära sig om den kan så småningom bli mycket bättre på att resonera och till och med kommunicera. Om du löser manipulation till fullo, säger Abbeel, har du förmodligen byggt något som är ganska nära full intelligens på mänsklig nivå.

Rättelse: En tidigare version av den här historien antydde att AI och robotikforskning i stort sett har varit separata områden i årtionden. Vissa ändringar gjordes för att klargöra att separationen till stor del var i kommersiella tillämpningar snarare än i forskningslabbet.

Dölj