Il est probable que très bientôt les robots vivront dans des maisons avec des humains, aidant les personnes âgées à vivre de manière autonome. Mais pour ce faire, ils devront apprendre à faire tout le petit travail que les gens pourraient faire sans hésitation. De nombreux systèmes d'intelligence artificielle modernes sont formés pour effectuer des tâches spécifiques en analysant des milliers d'images signées d'une action particulière. Si ces méthodes aident à résoudre des problèmes de plus en plus complexes, elles ne traitent toujours que des problèmes très spécifiques et nécessitent beaucoup de temps et de puissance de traitement pour apprendre.
Si un robot prend soin de personnes âgées, les problèmes d'un tel travail seront très différents par rapport aux situations typiques du processus d'apprentissage. Pendant la journée, les robots doivent faire beaucoup de choses, de la préparation du thé au changement de la literie tout en parlant. Ce sont des tâches difficiles qui deviennent plus difficiles en combinaison. Il n'y a pas deux maisons identiques, ce qui signifie que les robots devront rapidement apprendre et s'adapter à leur environnement. Et comme c'est souvent le cas, si vous vivez avec quelqu'un d'autre, les choses ont tendance à migrer. Le robot devra apprendre à les trouver par lui-même.
Une approche consiste à développer un robot d'apprentissage tout au long de la vie qui peut stocker des connaissances basées sur l'expérience et concevoir des moyens de les adapter et de les appliquer à de nouvelles tâches. Une fois que vous avez appris à préparer une tasse de thé, ces compétences peuvent également être appliquées au café.
Le cerveau humain apprend tout au long de sa vie, s'adaptant constamment à des conditions complexes et changeantes et résolvant quotidiennement un large éventail de problèmes. Simuler comment les humains apprennent pourrait aider à concevoir des robots avec lesquels nous pouvons interagir naturellement, comme si nous étions avec une autre personne.
Simulation du développement de l'enfant pour entraîner le robot
La première question à se poser lorsque vous commencez à modéliser les gens est par où commencer? Alan Turing, mathématicien renommé et pionnier de l'intelligence artificielle, a dit un jour:
Il a comparé le cerveau d'un enfant à un cahier vide qui peut être rempli pendant l'éducation et a développé un «système» adulte intelligent. Mais quel devrait être l'âge de l'enfant pour le mannequinat? Quelles connaissances et compétences devez-vous acquérir en premier?
Les nouveau-nés sont très limités dans ce qu'ils peuvent faire et comment ils perçoivent le monde qui les entoure. La force musculaire du cou de l'enfant n'est pas suffisante pour soutenir la tête et il n'a pas appris à contrôler ses bras et ses jambes.
À partir de zéro mois - une telle étape peut sérieusement limiter le robot. Mais les limitations physiques de l'enfant l'aident en fait à se concentrer sur la résolution d'un petit sous-groupe de problèmes, par exemple, il apprend à relier ses yeux à ce qu'il entend et voit. Ces étapes des étapes initiales de la construction du modèle d'un enfant construisent son corps avant même qu'il ne commence à comprendre la complexité du monde qui l'entoure.
Les ingénieurs ont appliqué des restrictions similaires au robot, bloquant initialement le mouvement de diverses articulations pour imiter un manque de contrôle musculaire. Ils ont également ajusté les images de la caméra du robot pour qu'il "voie" le monde à travers les yeux d'un nouveau-né - avec des périphéries floues et pâles. Au lieu de dire au robot comment se déplacer, il était autorisé à le comprendre seul. L'avantage ici est que lorsque l'étalonnage change ou que les membres sont endommagés, le robot pourra s'adapter à ces changements et continuer à travailler.
Apprendre en jouant
Des études ont montré qu'en appliquant des contraintes dans le processus d'apprentissage, non seulement la vitesse d'acquisition de nouvelles connaissances et compétences augmente, mais la précision de ce qui est appris augmente également.
En donnant au robot le contrôle de la libération des contraintes - en lui donnant le contrôle de ses articulations et en améliorant sa vision - il est possible pour le robot de contrôler lui-même sa vitesse d'apprentissage. Les scientifiques ont modélisé le «bébé» et les 10 premiers mois de sa croissance. Lorsque le robot a appris à corréler le mouvement et les informations sensorielles qu'il a reçues, il a acquis les comportements stéréotypés observés chez les nourrissons, comme lorsque les enfants passent de longues périodes de temps à regarder leurs mains tout en bougeant.
Lorsqu'un robot apprend à coordonner son propre corps, la prochaine étape importante qu'il franchit est qu'il commence à comprendre le monde qui l'entoure. Le jeu est une partie importante de l'apprentissage d'un enfant. Elle l'aide à explorer l'environnement, à tester différentes possibilités et à étudier les résultats.
Au début, cela peut être aussi simple que de toucher une table avec une cuillère ou de mettre un objet dans la bouche. Mais ensuite, il se développe en blocs de construction de blocs ou en plaçant des objets dans des trous appropriés. Toutes ces actions créent des expériences qui fourniront en outre une base pour des compétences telles que trouver la bonne clé pour ouvrir la serrure et la motricité fine pour insérer la clé dans le trou de la serrure, puis la tourner.
À l'avenir, l'utilisation de ces techniques donnera aux robots les moyens d'apprendre et de s'adapter aux environnements et aux tâches difficiles que les humains tiennent pour acquis dans la vie quotidienne. Un jour, les robots pourront aider les personnes âgées, mais même les enfants de la maternelle pourront leur enseigner.
Ilya Khel
