Robotinės smegenys mokosi iš interneto (Video)

Cornelio Universitetas kuria robotinių žinių duomenų saugyklą, kurioje robotai galės keistis informacija, naudodamiesi tinklalapio YouTube vaizdo klipais, kita vaizdine medžiaga bei žinynais iš interneto.

Šiuo metu, internete yra apie 3,32 milijardo indeksuotų tinklalapių. Tai gan gigantiška vieta ir, nors jos didžiąją dalį užima kačiukų nuotraukos bei kita ne itin švietėjiška medžiaga, interneto pagalba galima bet kuriuo metu mokytis naujų įgūdžių – pavyzdžiui, mokytis šokti svingą arba kaip kardo pagalba atidaryti šampano butelį.

Ir, kaip paaiškėjo, internetas gali būti puiki mokymosi priemonė robotams, atliekantiems daiktų atpažinimo užduotis. Prieš porą mėnesių, Cornelio Universitetas pradėjo savo Robo Brain projektą, apibūdindamas jį kaip „didelio masto kompiuterinę sistemą, kuri mokosi iš viešai prieinamų interneto šaltinių, kompiuterinių simuliacijų bei realių robotų bandymų.“

Netgi šią akimirką, kai skaitote šiuos žodžius, robotas vykdo milijardo nuotraukų, 120 000 Youtube video vaizdų ir 100 milijonų instrukcijų parsisiuntimo procesą, o taip pat apdoroja ir ankstesnius Cornelio Universiteto atliktus robotų tyrimų duomenis. Studijuodamos šią medžiagą, Robo Brain (liet. „Robotinės Smegenys“) išmoks, kaip atpažinti objektus ir kaip juos naudoti, o tuo pačiu ir žmogaus kalbos bei elgsenos – taip Robo Brain galės savo žinias perduoti kitiems robotams.

Kaip teigė kompiuterijos mokslų profesorius Ashutoshas Saxena, mūsų nešiojamieji kompiuteriai ir mobilieji telefonai turi prieigą prie visos mums rūpimos informacijos. Robotui susidūrus su jam dar nežinoma situacija, jis galėtų kreiptis pagalbos į Robo Brain.

Pavyzdžiui, jeigu robotas pirmą kartą susiduria su puodeliu, jis gali iš Robo Brain išmokti atpažinti puodelį, jo panaudojimo funkcijas, sužinoti, kad puodelį reikia laikyti už rankenos, kad puodelį reikia laikyti reikiama puse į viršų, kad iš jo neišbėgtų skysčiai, tačiau kada jis tuščias, galima laikyti jį apverstą.

Taip pat ši mokomoji informacija turi ir abstraktumo sluoksnius, sistemą, kurią tyrėjai vadina „strukturizuotu giliuoju mokymu“. Pavyzdžiui, jeigu robotas išvysta krėslą, jis žinos, kad šis objektas klasifikuojamas kaip baldas. Dar detaliau – šis baldas naudojamas sėdėti – baldų poklasis, kuriam priklauso didelė įvairovė kėdžių, taburečių, suoliukų ir sofų.

Ši informacija vėliau bus patalpinta tame, ką matematikai vadina Markovo modeliu, vaizduojamu taškų grupėmis („mazgais“), sujungtais linijomis („briaunomis“), lyg milžiniškais išsišakojusiais grafikais. Kiekviena šios sistemos dabartinė būklė priklauso nuo ankstesnės jo būklės.

Mazgais gali būti veiksmai, objektai arba paveikslėlio dalys, ir kiekvienam jų pritaikoma tikimybė, arba kintamumo lygis, po kurio apskaičiavimai išlieka teisingi. Pavyzdžiui, raktas gali būti įvairių formų, tačiau įprasti jis susideda iš rankenėlės, kotelio ir dantukų. Atlikęs mazgų analizę, robotas gali nustatyti kokia tikimybė, jog jo regimas objektas yra raktas.

Projektą šiuo metu galima stebėti oficialiame Robo Brain tinklalapyje (http://robobrain.me/#/) , kuriame vartotojai gali padėti mokslininkams, balsuodami už teisingus veiksmus ir objektus, bei palikdami tyrėjams skirtus komentarus.