uredi› krajšaj› T:561 M:714 Z: [×]

Končno se začenja vstaja robotov

Umetna inteligenca in robotika sta bili doslej ločeni področji, a bi z njunim povezovanjem lahko preobrazili tako proizvodnjo kot skladiščenje, umetna inteligenca pa bi dosegla novo raven.

Will Knight, MIT Technology Review

Robotska roka opravlja Sizifovo delo posebne vrste. Lebdi nad kupom gladkih kosov perutnine, se spusti in enega pobere. Hip zatem se zavrti in kos mesa skrbno odloži na plastični pladenj, ki se pripelje po tekočem traku.

Ta robot, ki so ga razvili v podjetju Osaro s sedežem v San Franciscu, je pametnejši od vseh, ki smo jih kdaj videli. Programska oprema, ki ga nadzira, ga je naučila, da kos mesa pobere in spet odloži na pladenj v približno petih sekundah, kar je hitreje od povprečnega delavca za tekočim trakom. V Osaru pričakujejo, da bodo njihove robote zaposlili v japonski prehranski tovarni.

Kogar skrbi vstaja robotov, naj obišče sodobno tovarno in se sam prepriča, kako daleč smo od tega. Večina robotov je učinkovita in natančna, a ne more narediti ničesar, če ni popolno sprogramirana. Navadna robotska roka nima čutov, s pomočjo katerih bi pobrala predmet, če se premakne za centimeter ali dva. Je brezupno nerodna pri prijemanju nečesa neznanega, ne pozna razlike med okroglim bonbonom in kocko svinca. Pobiranje kosov mesa nepravilnih oblik z naključno nametanega kupa je naravnost genialen dosežek.

Poleg tega je napredek pri umetni inteligenci do nedavna bolj ali manj zaobšel robote. V zadnjih petih, šestih letih je umetno inteligentna programska oprema začela prepoznavati podobe, zmagovati v namiznih igrah in se odzivati na človekov glas tako rekoč brez njegovega vmešavanja. Lahko se celo sama nauči česa novega, če ima dovolj časa za vajo. Strojni bratranci umetne inteligence, roboti, pa so ves ta čas imeli težave že s tako preprostim opravilom, kot je odpiranje vrat.

Vendar ne bo več dolgo tako. Programska oprema, ki usmerja Osarove robote, omogoča, da ti prepoznajo predmete pred njimi, preučijo, kaj se zgodi z njimi, če se jih dotaknejo, jih potisnejo ter zgrabijo, in se nato odločijo, kako bodo ravnali z njimi. Tako kot drugi algoritmi umetne inteligence se ti programi učijo iz izkušenj. Z navadno kamero skupaj s programsko opremo za strojno učenje na močnem računalniku v bližini ugotovi, kako učinkovito zgrabiti predmete. Po dovolj poskusih in napakah se roka nauči prijeti tako rekoč karkoli, na kar naleti.

Z delovnimi roboti, opremljeni z umetno inteligenco, bo avtomatizacija prodrla še na številna druga področja dela. Ljudi bi lahko nadomestili povsod tam, kjer je treba razvrščati, odvijati ali pakirati izdelke. Ker se bodo zmožni prebijati skozi direndaj v obratih, bi lahko prevzeli še več dela v proizvodnji. Morda ne bo šlo ravno za vstajo, kljub temu pa bi temu lahko rekli revolucija. »Veliko je eksperimentiranja in ljudje preizkušajo najrazličnejše stvari,« je pojasnil Willy Shih, ki na harvardski poslovni fakulteti preučuje trende v proizvodnji. »Možnosti za avtomatizirana ponavljajoča se opravila je res veliko.«

To ne bo le revolucija za robote, temveč tudi za umetno inteligenco. Ko umetno inteligentno programsko opremo vgradijo v fizični okvir, si v resničnem svetu lahko pomaga z vidno prepoznavo, govorom in navigacijo. Umetna inteligenca je z vse več podatki tudi vse pametnejša, tako da z vsakim prijemom in prestavljanjem programska oprema v teh robotih postaja bolj in bolj vešča pri opazovanju in razumevanju sveta.

»To bi lahko pripomoglo k napredku, ki brez vseh teh podatkov ne bi bil mogoč,« je poudaril Pieter Abbeel, predavatelj na kalifornijski univerzi v Berkeleyju in ustanovitelj zagonskega podjetja Embodied Intelligence, ki strojno učenje in virtualno resničnost prenaša na robote v proizvodnji.

Ločena ob rojstvu

Na to obdobje smo čakali zelo dolgo. Izumitelj George C. Devol je leta 1954 patentiral načrt za mehansko roko, ki jo je bilo mogoče programirati. Leta 1961 je podjetnik Joseph Engelberger po tem načrtu sestavil Unimate, nerodno napravo, ki so jo prvič uporabili v obratu družbe General Motors v New Jerseyju.

Že od začetka je bilo opaziti nagnjenje k romantičnim predstavam o inteligenci teh preprostih naprav. Engelberger je za Unimate izbral poimenovanje robot v čast androidov, ki si jih je izmislil pisatelj znanstvenofantastičnih del Isaac Asimov. Vendar so bili njegovi stroji grobe mehanske naprave, ki naj bi z razmeroma preprosto programsko opremo opravljale določene naloge. Celo današnji veliko naprednejši roboti so komaj kaj več od mehanskih omejencev, ki jih je treba programirati za vsak premik posebej.

Umetna inteligenca je krenila po drugačni poti. Začelo se je v 50. letih, ko je računalniška orodja uporabila za posnemanje človeku podobne logike in razmišljanja. Nekateri strokovnjaki so tem sistemom skušali nadeti tudi fizično prisotnost. Že leta 1948 in 1949 je William Grey Walter, nevroznanstvenik v britanskem Bristolu, razvil majhni avtonomni napravi in ju poimenoval Elsie in Elmer. Želvam podobni napravi sta bili opremljeni s preprostimi, nevrološko navdihnjenimi vezji, s pomočjo katerih sta sami sledili svetlobnemu viru. Walter ju je sestavil, da bi prikazal, kako povezave med samo nekaj možganskimi nevroni včasih omogočajo precej zahteven vedenjski vzorec.

A razumevanje in posnemanje inteligence je bil neverjeten izziv in za umetno inteligenco se je začelo dolgo obdobje s komaj peščico prebojnih dosežkov. Programiranje naprav za uporabne naloge v neurejenem resničnem svetu se je pokazalo za neobvladljivo zapleteno. Področji robotike in umetne inteligence sta se začeli razvijati vsako po svoje: umetna inteligenca se je zatekla v virtualno, robotika pa je svoj napredek merila predvsem z novimi mehanskimi načrti in pametno uporabo naprav s skromnimi miselnimi zmogljivostmi.

Nato so pred približno šestimi leti strokovnjaki potuhtali, kako s staro zvijačo umetne inteligence doseči osupljivo moč. Znanstveniki so uporabili algoritme nevronske mreže, ki preprosto povedano postajajo podobni temu, kako se nevroni in sinapse v možganih učijo iz dobljenih podatkov. Pokazalo se je, da so bile te mreže neposredne naslednice komponent, ki so omogočale delovanje Elsie in Elmerja. Raziskovalci so odkrili, da bi zelo velike oziroma globoke nevronske mreže lahko počele neverjetne stvari, če bi dobile velikanske količine označenih podatkov; tako bi lahko na primer skoraj enako natančno kot človek prepoznale predmet na fotografiji.

Področje umetne inteligence so tako obrnili na glavo. Globoko učenje, kot je znana ta tehnika, zdaj splošno uporabljajo za naloge, povezane z zaznavanjem: prepoznavanje obraza, prepisovanje govora in usposabljanje samovozečih avtomobilov za prepoznavanje pešcev in prometnih znakov. Omogočilo je, da si lahko predstavljamo robota, ki bi prepoznal naš obraz, se z nami pametno pogovarjal in se varno odpravil v kuhinjo, da bi nam prinesel pijačo iz hladilnika.

Med prvimi veščinami, ki jih bodo po zaslugi umetne inteligence obvladali stroji, je veliko večja ročnost. Zadnjih nekaj let Amazon organizira robotsko tekmovanje, na katerem strokovnjaki tekmujejo z robotom, ki mora čim hitreje pobrati vrsto izdelkov. Vse te ekipe uporabljajo strojno učenje in njihove naprave postopno postajajo spretnejše. Amazon seveda razmišlja o avtomatizaciji izbiranja in pakiranja na milijarde izdelkov v svojih skladiščih.

Umetna inteligenca dobiva telo

V newyorški soseski NoHo eden najboljših svetovnih strokovnjakov za umetno inteligenco, Yann LeCun, razmišlja, kaj bi lahko bil naslednji prelomni dosežek na tem področju. Po njegovem mnenju bi pomemben del sestavljanke lahko bili prav roboti.

LeCun je igral pomembno vlogo v revoluciji globokega učenja. V 80. letih, ko so drugi raziskovalci nevronske mreže odpisali kot nepraktične, je on vztrajal. Kot nekdanji vodja Facebookove raziskovalne enote za umetno inteligenco, zdaj pa vodja raziskovalcev na tem področju, je bil na čelu razvoja algoritmov za globoko učenje, ki zmorejo prepoznati uporabnike na tako rekoč vseh objavljenih fotografijah.

Vendar LeCun želi, da bi umetna inteligenca zmogla več, ne samo videti in slišati; želi, da bi tudi razmišljala in ukrepala. To pa bo mogoče le s fizično obliko. Človeška inteligenca vključuje tudi vzajemno delovanje z resničnim svetom. Dojenčki se učijo, ko se igrajo s predmeti. Umetna inteligenca, vgrajena v naprave za premikanje predmetov, zmore isto: »Veliko najzanimivejših raziskav umetne inteligence zdaj vključuje robote.«

Strojna evolucija bi lahko bila dih jemajoča in bi posnemala procese, ki so omogočili biološko inteligenco. Vid, ročnost in inteligenca so se začeli pospešeno razvijati vsi hkrati, ko so hominidi začeli hoditi vzravnano in s prostima rokama raziskovati ter uporabljati predmete. Njihovi možgani so se povečali in omogočili izum naprednejšega orodja, jezika in organiziranje družbe.

Bi se v umetni inteligenci lahko zgodilo kaj podobnega? Doslej je obstajala predvsem v računalnikih, v nedodelanih simulacijah resničnega sveta, na primer v video igrah ali mirujočih podobah. Umetno inteligentni programi, zmožni dojemati resnični svet, vzajemno delovati z njim in se učiti o njem, bi morda sčasoma lahko postali veliko spretnejši pri razmišljanju in celo sporazumevanju. »Če bi dodelali samo manipuliranje, bi verjetno lahko sestavili nekaj, kar bi bilo zelo blizu polni inteligenci na ravni človeka,« meni Abbeel.

Človek za Osarovim pametnejšim robotom

Direktor Osara Derik Pridmore je študiral fiziko in računalništvo na massachusetskem tehnološkem inštitutu, nato pa se je zaposlil v podjetju Founders Fund. Kot smiselno naložbo je prepoznal britansko podjetje za umetno inteligenco DeepMind in sodeloval z njegovimi ustanovitelji, da so še nadgradili svoja prizadevanja. DeepMind je stroje naučil delati stvari, ki so se takrat zdele nemogoče. Dobro znano je, da so razvili program AlphaGo, ki je premagal največjega človeškega mojstra namizne igre Go.

Ko je Google leta 2014 kupil DeepMind, je Pridmore v umetni inteligenci videl tudi komercialne možnosti. Ustanovil je podjetje Osaro in kot idealni način uporabe robotov zelo hitro zaznal avtomatizirano prijemanje predmetov. Jemanje predmetov iz posode ali s tekočega traku je za človeka preprosta naloga, a je zanjo nujna pristna inteligenca.

Tehnike, v katerih je DeepMind oral ledino, so znane kot globoko vzpodbujevalno učenje in strojem omogočajo opravljati zapletene naloge, ne da bi se učili iz primerov, ki bi jih ponujal človek. Pozitivne povratne informacije, kot je boljši rezultat v video igri, prilagodi mrežo in algoritem približa cilju, dokler nečesa mojstrsko ne obvlada.

Razmišljanje, zaradi katerega je vse to sploh mogoče, je skrito globoko v mreži in šifrirano v medigro več deset milijonov med seboj povezanih simuliranih nevronov. A vedenje, ki se tako razvije, se morda zdi preprosto in nagonsko. Z dovolj vaje se lahko roka nauči lepo pobirati predmete, tudi če se ti premaknejo, so skriti za drugim predmetom ali nekoliko drugačne oblike. Osaro globoko vzpodbujevalno učenje skupaj z nekaj drugimi tehnikami za strojno učenje izkorišča, da bi industrijski roboti postali veliko pametnejši.

Copyright Technology Review, distribucija Tribune Content Agency