211service.com
Vad robotar kan lära sig av bebisar
Barn lär sig snabbt att förutsäga vad som kommer att hända om de vänder upp och ner på en kopp fylld med juice. Robotar, å andra sidan, har ingen aning.
Forskare vid Allen Institute for Artificiell Intelligens (Ai2 ) i Seattle har utvecklat ett datorprogram som visar hur maskiner bestämmer hur objekten som fångas av en kamera med största sannolikhet kommer att bete sig. Detta kan bidra till att göra robotar och andra maskiner mindre benägna att misstag, och kan hjälpa självkörande bilar att navigera säkrare i okända scener.
Systemet, utvecklat av Roozbeh Mottaghi och kollegor, drar slutsatser om de fysiska egenskaperna hos en scen med hjälp av en kombination av maskininlärning och 3D-modellering. Forskarna konverterade mer än 10 000 bilder till scener renderade i ett förenklat format med hjälp av en 3D-fysikmotor. 3D-renderingarna skapades av volontärer genom Amazons Mechanical Turk crowdsourcing-plattform.
Forskarna matade in bilderna och deras 3D-representationer till en dator som körde ett stort neuralt nätverk för djupinlärning, som gradvis lärde sig att associera en viss scen med vissa enkla krafter och rörelser. När systemet sedan visades okända bilder kunde det antyda de olika krafter som kan vara i spel.
Det fungerar inte felfritt, men oftare än inte kommer datorn att dra en vettig slutsats. För en bild av en häftapparat som sitter på ett skrivbord, till exempel, kan programmet berätta att häftapparaten skulle glida över skrivbordet och sedan plötsligt falla till golvet. För en bild av ett soffbord och en soffa vet den att bordet kan skjutas över golvet tills det når soffan.
Målet är att lära sig dynamiken i fysikmotorn, säger Mottaghi. Du måste sluta dig till allt baserat på bara bilden du ser.
Arbetet kan vara särskilt användbart för robotar som snabbt behöver tolka en scen och sedan agera i den. Även en robot utrustad med en 3D-skanner skulle ofta behöva sluta sig till fysiken för scenen den uppfattar. Och det skulle vara opraktiskt att låta en robot lära sig att göra allt genom att trial and error. Datainsamling för detta är väldigt svårt, säger Mottaghi. Om jag tar med min robot till en butik kan den inte skjuta föremål och samla in data; det skulle bli mycket dyrt.
Detta program är en del av en större satsning som kallas Projekt Platon , som syftar till att utrusta maskiner med visuell intelligens som går utöver enkel objektigenkänning och kategorisering. Ett relaterat projekt, också en del av Project Plato, låter en dator känna igen en fysisk kraft som redan är i spel: till exempel hur en skidåkare skulle röra sig nerför ett berg, eller hur en sparkad fotboll skulle flyga genom luften.
På senare år har datorer blivit mycket bättre på att analysera bilder, tack vare framsteg inom djupinlärning, kraftfullare hårdvara och stora märkta bilddatauppsättningar. Efter att ha matats med många exempel kan datorer nu beskriva eller svara på frågor om en scen (se Googles hjärninspirerade programvara beskriver vad den ser i komplexa bilder och Facebook-appen kan svara på grundläggande frågor om vad som finns i bilder). Men detta förråder en mycket ytlig förståelse av vad som händer i en bild. För en djupare förståelse måste en dator förstå hur den fysiska världen fungerar.
Brenden sjö , en forskare vid New York University som är specialiserad på att modellera mänskliga kognitiva förmågor, säger att Ai2-arbetet är ett viktigt steg i den riktningen.
Sann scenförståelse kräver mycket mer än att bara känna igen föremål, säger Lake. När människor ser en ögonblicksbild av en scen berättar de en historia: vad är föremålen, varför är de där och vad som kommer att hända härnäst. Att förstå fysik är en viktig del av att berätta den här historien.
Enligt Lake är dock mycket mer resonemang involverat i människans uppfattning, något som kan hålla tillbaka framsteg inom robotik och maskinseende ett tag ännu. Även om detta är spännande framsteg, konkurrerar det ännu inte med vår mänskliga förmåga att förstå fysik, säger han. Människor kan förstå ett mycket bredare utbud av fysiska händelser och kan exakt förutsäga fysiska händelser i helt nya typer av scener.