211service.com
Cosa possono imparare i robot dai bambini
I bambini imparano rapidamente a prevedere cosa accadrà se capovolgeranno una tazza piena di succo. I robot, d'altra parte, non ne hanno idea.
Ricercatori presso il Allen Institute for Artificial Intelligence (Ai2 ) a Seattle hanno sviluppato un programma per computer che mostra come le macchine determinano come si comporteranno molto probabilmente gli oggetti catturati da una telecamera. Ciò potrebbe aiutare a rendere i robot e altre macchine meno soggetti a errori e potrebbe aiutare le auto a guida autonoma a navigare in scene sconosciute in modo più sicuro.
Il sistema, sviluppato da Roozbeh Mottaghi e colleghi, trae conclusioni sulle proprietà fisiche di una scena utilizzando una combinazione di apprendimento automatico e modellazione 3D. I ricercatori hanno convertito più di 10.000 immagini in scene renderizzate in un formato semplificato utilizzando un motore fisico 3-D. I rendering 3D sono stati creati da volontari attraverso la piattaforma di crowdsourcing Mechanical Turk di Amazon.
I ricercatori hanno inserito le immagini e le loro rappresentazioni 3-D in un computer che esegue una grande rete neurale di apprendimento profondo, che gradualmente ha imparato ad associare una scena particolare a determinate forze e movimenti semplici. Quando al sistema sono state poi mostrate immagini sconosciute, potrebbe suggerire le varie forze che potrebbero essere in gioco.
Non funziona perfettamente, ma il più delle volte il computer trarrà una conclusione sensata. Per un'immagine di una cucitrice seduta su una scrivania, ad esempio, il programma può dire che la cucitrice scivolerebbe sulla scrivania e poi cadrebbe bruscamente a terra. Per una foto di un tavolino da caffè e un divano, sa che il tavolo potrebbe essere spinto sul pavimento fino a raggiungere il divano.
L'obiettivo è imparare la dinamica del motore fisico, afferma Mottaghi. Devi dedurre tutto basandoti solo sull'immagine che vedi.
Il lavoro potrebbe essere particolarmente utile per i robot che hanno bisogno di interpretare rapidamente una scena e poi agire in essa. Anche un robot dotato di uno scanner 3D avrebbe spesso bisogno di dedurre la fisica della scena che percepisce. E non sarebbe pratico che un robot impari a fare tutto attraverso tentativi ed errori. La raccolta dei dati per questo è molto difficile, dice Mottaghi. Se porto il mio robot in un negozio, non può inviare oggetti e raccogliere dati; sarebbe molto costoso.
Questo programma fa parte di uno sforzo più ampio chiamato Progetto Platone , volto a dotare le macchine di un'intelligenza visiva che va oltre il semplice riconoscimento e categorizzazione degli oggetti. Un progetto correlato, anch'esso parte del Progetto Plato, consente a un computer di riconoscere una forza fisica già in gioco: ad esempio, come uno sciatore si sposterebbe giù da una montagna o come un pallone da calcio preso a calci volerebbe in aria.
Negli ultimi anni, i computer sono diventati molto più bravi nell'analisi delle immagini, grazie ai progressi nell'apprendimento profondo, hardware più potente e set di dati di immagini con etichette di grandi dimensioni. Dopo aver ricevuto molti esempi, i computer ora possono descrivere o rispondere a domande su una scena (vedi il software ispirato al cervello di Google Descrive cosa vede nelle immagini complesse e l'app di Facebook può rispondere a domande di base su cosa c'è nelle foto). Ma questo tradisce una comprensione molto superficiale di ciò che sta accadendo in un'immagine. Per una comprensione più profonda, un computer ha bisogno di capire come funziona il mondo fisico.
Lago Brenda , ricercatore presso la New York University specializzato nella modellazione delle capacità cognitive umane, afferma che il lavoro di Ai2 è un passo importante in quella direzione.
La vera comprensione della scena richiede molto di più del semplice riconoscimento degli oggetti, afferma Lake. Quando le persone vedono un'istantanea di una scena, raccontano una storia: quali sono gli oggetti, perché sono lì e cosa accadrà dopo. Comprendere la fisica è una parte fondamentale del raccontare questa storia.
Secondo Lake, tuttavia, nella percezione umana sono coinvolti molti più ragionamenti, qualcosa che potrebbe frenare i progressi della robotica e della visione artificiale ancora per un po'. Anche se questo è un progresso entusiasmante, non rivaleggia ancora con la nostra capacità umana di comprendere la fisica, dice. Le persone possono comprendere una gamma molto più ampia di eventi fisici e possono prevedere con precisione eventi fisici in tipi di scene completamente nuovi.