Video razkriva presenetljive izzive poučevanja A.I. oblačiti se

Plazenje v majico bi lahko bila ena od redkih nalog, ki jih lahko ljudje naredimo, tudi ko smo komaj budni in še vedno praskamo po spanju iz oči. Toda dejstvo, da smo obvladali, kako se oblačimo (bolj ali manj), se ne strinja s tem, da je zapletena serija gibanj, ki so potrebna, da bi šli od tega, da bi bili dovolj odmevni, da bi bili dovolj oblečeni, da bi stopili ven iz vrat.

Ena oseba, ki to razume tako kot vsakogar, je Alex Clegg, doktor znanosti iz računalništva. študent na Georgia Institute of Technology, ki se je osredotočil na uporabo strojnega učenja na tehnologijo umetne inteligence, kako se oblačiti. Kot pravi Inverse, medtem ko A.I. je dovolj pameten, da predvideva, kateri pacienti bodo dobili sepso ali kako izzvati svetovne prvake v kompleksnih strateških igrah, poučevanje strojev, kako se obleči za srajco, se je izkazalo za nedosegljiv cilj.

"Tkanina je kompleksna," pojasnjuje v e-pošti. "Lahko se odzove takoj in drastično na majhne spremembe v položaju telesa in pogosto omejuje gibanje. Oblačila imajo tudi nagnjenost, da se sklenejo, držijo in se držijo telesa, zaradi česar je občutek, ki ga haptika ali dotik bistven za nalogo."

Torej, zakaj, natančno, je računalnik, ki poskuša razčleniti, kako smo zjutraj oblečeni? Clegg je pojasnil, da obstaja nekaj možnih prošenj za A.I. ki razume naključno preprosto navidezno umetnost oblačenja. Kratkoročno bi lahko ugotovitve Clegga nekoč pospešile proces ustvarjanja realističnih 3D animacij. Še pomembneje pa je, da lahko ti vpogledi pripomorejo k oblikovanju podpornih robotov, ki lahko pomagajo skrbeti za mlade in stare ljudi.

Raziskovalci so začeli z učenjem računalnika, kako obvladati spravljanje roke v rokav. V članku, ki bo predstavljen na prihajajoči konferenci SIGGRAPH Asia 2018 o računalniški grafiki v decembru, so Clegg in njegovi sodelavci pojasnili natančno tehniko, ki jo uporabljajo, tip strojnega učenja, ki se imenuje "globoko okrepljeno učenje".

Cilj globoko okrepljenega učenja je poskusiti učiti robote, kako dokončati določene predloge in naloge tako, da jih vedno znova opravljajo. V primeru oblačenja A.I. je ekipa Clegga imela A.I. opazujte procesno virtualno okolje, ga ponovite in ga nato nagradite, ko se je zdelo, da je na pravi poti.

Clegg je pojasnil, da so se stotine tisoč poskusov, da bi se animirani lik v obliki klobase razvil, da bi se naučil, kako se obleči jakna ali majica. Navsezadnje se je moral njihov bot naučiti, kako zaznati dotik, da bi lahko dvignil srajco, ko je to potrebno. Poleg tega so morali vključiti tudi fizikalni motor, da bi simulacija postala čim bolj točna.

Na koncu se je nerodnemu, animiranemu sinu Clegga uspelo naučiti, kako se obleči srajco, četudi malce inelegantly. Kljub temu so lahko rezultati najbolj koristni kot dokazilo o tem, kako se lahko globoko učenje uporabi za reševanje izbranih problemov.

»Zanimivo je predstavljati množico problemov, ki jih lahko rešimo z okrepljenim učenjem,« pravi. "Veselimo se nadaljnjega prizadevanja za omogočanje robotike in iskanje rešitev za velike probleme, ki vplivajo na vsakdanje življenje toliko ljudi."

Pretvarjanje ugotovitev iz te študije za delo z robotiko bo zahtevalo malo več dela, da bi uskladili vidike programske in strojne opreme. Vendar pa so ugotovitve Clegga postavile pot raziskovalcem, ki so zainteresirani za osvoboditev naših futurističnih skrbnikov robotov iz njihovih trenutnih omejitev.