211service.com
Come una fusione mentale uomo-macchina potrebbe rendere i robot più intelligenti
Questo braccio robotico attinge occasionalmente al controllo umano mentre impara ad afferrare oggetti diversi.
Una startup canadese segreta chiamata Kindred AI sta insegnando ai robot come eseguire compiti difficili e abili a velocità sovrumane accoppiandoli con piloti umani che indossano cuffie per realtà virtuale e tengono in mano controller di rilevamento del movimento.
La tecnologia offre uno scorcio affascinante di come gli esseri umani potrebbero lavorare in sincronizzazione con le macchine in futuro e mostra come sfruttare le capacità umane potrebbe amplificare le capacità dei sistemi automatizzati. Nonostante tutte le preoccupazioni per i robot e l'intelligenza artificiale che eliminano i lavori, ci sono molte cose che le macchine non possono ancora fare. L'azienda ha mostrato l'hardware a Revisione della tecnologia del MIT la scorsa settimana, e dice che prevede di lanciare un prodotto rivolto ai rivenditori nei prossimi mesi. Le ambizioni a lungo termine sono molto più grandiose. Kindred spera che questo apprendimento assistito dall'uomo promuova un tipo fondamentalmente nuovo e più potente di intelligenza artificiale.
Kindred è stato creato da diverse persone di D-Wave, una società di informatica quantistica con sede a Burnaby, in Canada. Kindred sta attualmente testando bracci di robot industriali convenzionali in grado di afferrare e posizionare oggetti che possono essere scomodi da maneggiare, come piccoli capi di abbigliamento, in modo più rapido e affidabile di quanto sarebbe normalmente possibile. Le braccia lo fanno chiedendo occasionalmente aiuto a un team di umani, che utilizzano hardware di realtà virtuale per visualizzare la sfida e prendere temporaneamente il controllo di un braccio.
Un pilota può vedere, ascoltare e sentire ciò che il robot vede, sente e sente. Quando il pilota agisce, queste azioni muovono il robot, dice Geordie Rose, che è cofondatrice e CEO di Kindred, e che in precedenza ha cofondato D-Wave. Questo ci permette di mostrare ai robot come comportarsi come le persone. Gli esseri umani non sono i più veloci o i migliori in tutti gli aspetti del controllo dei robot, come mettere le cose in posizioni specifiche, ma gli esseri umani sono comunque i migliori nel dare un senso a situazioni difficili o impreviste.
Il sistema di Kindred utilizza diversi algoritmi di apprendimento automatico e cerca di prevedere se uno di questi fornirebbe il risultato desiderato, come afferrare un oggetto. Se nessuno sembra offrire un'alta probabilità di successo, richiede l'assistenza umana. Soprattutto, gli algoritmi imparano dalle azioni di un controllore umano. Per raggiungere questo obiettivo, l'azienda utilizza una forma di apprendimento per rinforzo, un approccio che prevede la sperimentazione e il rafforzamento del comportamento che porta a un obiettivo particolare (vedi 10 Breakthrough Technologies 2017: Reinforcement Learning).
Rose afferma che il sistema è in grado di afferrare piccoli capi di abbigliamento circa il doppio della velocità di una persona che lavora da solo, mentre un robot che lavora in modo indipendente sarebbe troppo inaffidabile per essere implementato. Una persona può anche azionare più robot contemporaneamente.
Rose aggiunge che Kindred sta esplorando tutti i tipi di sistemi umani nel circuito, da quelli in cui una persona fa semplicemente clic su un'immagine per mostrare a un robot dove afferrare qualcosa, agli esoscheletri di tutto il corpo che forniscono il controllo su un robot umanoide. Dice che i piloti di solito imparano a controllare in modo efficace un sistema robotico remoto. Quando usi l'apparato di controllo, all'inizio è molto frustrante, ma la mente delle persone è molto plastica e ti regoli, dice Rose.
L'ispirazione tecnica per la tecnologia viene da Suzanne Gildert, che in precedenza era ricercatrice senior presso D-Wave, e che è il capo scientifico di Kindred. La società opera in modalità invisibile da diversi anni, ma ha attirato l'attenzione quando i dettagli di un brevetto depositato da Gildert emerso in linea . Il brevetto descrive uno schema per combinare diversi sistemi di teleoperazione con l'apprendimento automatico. In effetti, la visione di Kindred per la sua tecnologia sembra estendersi ben oltre la costruzione di robot più abili nello smistamento.
L'idea era che se potevi farlo abbastanza a lungo e se avessi una sorta di sistema di intelligenza artificiale in background, forse potresti provare molti modelli di intelligenza artificiale diversi e vedere quali si sono allenati meglio, dice Gildert. Alla fine, il mio pensiero era che se puoi avere un essere umano che dimostra qualcosa tramite un robot, allora non c'è motivo per cui il robot non possa imparare a essere molto umano.
In modo molto accattivante, il brevetto di Kindred descriveva persino la possibilità di avere tali sistemi controllati da animali come le scimmie. Gildert dice che questa era un'idea speculativa e che nessuna scimmia è attualmente impiegata dall'azienda. Tuttavia, dice che l'azienda ha un gatto robotico, addestrato usando l'apprendimento per rinforzo, che vaga per il suo ufficio.
Kindred è anche un po' insolito, in quanto i suoi fondatori sono fisici piuttosto che robotici o informatici di formazione. Ma Rose sostiene che questo offre una prospettiva unica e preziosa. Per gli informatici il confine tra una simulazione e il mondo reale a volte è sfocato, dice. Abbiamo una forte preferenza per fare il genere di cose che facciamo nei robot reali nel mondo reale.
L'approccio che Kindred sta perseguendo sembra avere un potenziale enorme. Ken Goldberg , professore all'Università della California, Berkeley, specializzato in apprendimento automatico e robotica, afferma che sfruttare le abilità umane accelererà notevolmente l'apprendimento dei robot. Goldberg, che sta lavorando a un approccio simile per la chirurgia robotica, tra le altre cose, aggiunge che far apprendere ai robot dagli esseri umani è un'area di ricerca molto attiva. È al centro di quella che credo sia una grande opportunità nella robotica, dice Goldberg. C'è un enorme vantaggio nell'avere una dimostrazione umana.
Ma le sfide tecniche legate all'apprendimento attraverso la tele-operazione umana non sono insignificanti. Sangbae Kim , un professore associato al MIT che sta lavorando su robot umanoidi telecomandati, afferma che mappare il controllo umano sull'azione della macchina è incredibilmente complicato. La prima sfida è tracciare il movimento umano collegando collegamenti rigidi alla pelle umana. Questo è estremamente difficile perché siamo animali endoscheletrici, dice Kim. Una sfida più grande è comprendere davvero tutti i dettagli dei passaggi decisionali negli esseri umani, la maggior parte dei quali avviene inconsciamente.
Tuttavia, i fondatori di Kindred non sembrano scoraggiati. Il nostro obiettivo è decostruire la cognizione, dice Rose. Tutti gli esseri viventi seguono determinati modelli di comportamento e di azione. Stiamo cercando di costruire macchine che abbiano lo stesso tipo di principi.