Robotter kan passe på dig i alderdommen - og dine børn vil lære dem

Det er sandsynligt, at inden for længe, robotter vil være i hjemmet for at passe ældre mennesker og hjælpe dem med at leve selvstændigt. At gøre det, de bliver nødt til at lære at udføre alle de små job, som vi måske kan klare uden at tænke. Mange moderne AI -systemer er uddannet til at udføre specifikke opgaver ved at analysere tusinder af annoterede billeder af handlingen, der udføres. Selvom disse teknikker hjælper med at løse stadig mere komplekse problemer, de fokuserer stadig på meget specifikke opgaver og kræver masser af tid og processorkraft til at træne.

Hvis en robot skal hjælpe med at tage sig af mennesker i alderdommen, så vil rækkevidden af ​​problemer, det vil støde på i hjemmet, variere enormt i forhold til disse træningssituationer. I løbet af en dag, robotter forventes at gøre alt fra at lave en kop te til at skifte sengetøj, mens de holder en samtale. Disse er alle udfordrende opgaver, der er mere udfordrende, når de forsøges sammen. Ingen hjem vil være ens, hvilket vil betyde, at robotter skal lære hurtigt og tilpasse sig deres miljø. Som enhver, der deler et hus, vil sætte pris på, de objekter, du har brug for, findes ikke altid samme sted - robotter skal tænke på benene for at finde dem.

En tilgang er at udvikle en robot, der er i stand til livslang læring, som kan lagre viden baseret på erfaringer, og finde ud af, hvordan du tilpasser og anvender det på nye problemer. Efter at have lært at lave en kop te, de samme færdigheder kunne anvendes til at lave kaffe.

Det bedste læringsmiddel, forskere kender til, er det menneskelige sind, som er i stand til at lære hele sit liv-tilpasse sig komplekse og stadigt skiftende miljøer og løse en lang række problemer dagligt. Modellering af hvordan mennesker lærer, kan hjælpe med at udvikle robotter, som vi naturligt kan interagere med, næsten som hvordan vi ville interagere med en anden person.

Simulering af et barns udvikling

Det første spørgsmål, man skal stille, når man begynder at modellere mennesker, er, hvor skal man starte? Alan Turing, sagde den berømte matematiker og tænker om kunstig intelligens engang:"I stedet for at prøve at lave et program til at simulere det voksne sind, hvorfor ikke hellere prøve at producere en, der simulerer barnets? Hvis dette derefter blev udsat for et passende uddannelsesforløb, ville man opnå den voksne hjerne. "

Han sammenlignede barnets hjerne med en tom notesbog, der kunne fyldes gennem uddannelse for at udvikle et intelligent voksen "system". Men hvad er alderen på et menneskebarn, som forskere bør prøve at modellere og installere i robotter? Hvilken indledende viden og færdigheder skal en robot starte med?

Nyfødte babyer er meget begrænsede i, hvad de kan, og hvad de kan opfatte omverdenen omkring dem. Muskelstyrken i en babys hals er ikke tilstrækkelig til at understøtte hovedet, og de har endnu ikke lært at kontrollere deres arme og lemmer.

Fra og med måned nul kan virke meget begrænsende for en robot, men de fysiske begrænsninger for barnet hjælper faktisk det med at fokusere sin læring på en lille del af problemer, såsom at lære at koordinere sine øjne med det, den hører og ser. Disse trin danner de indledende faser af en baby, der bygger en model af sin egen krop, før du forsøger at forstå alle kompleksiteterne i verden omkring det.

Vi anvendte et lignende sæt begrænsninger på en robot ved først at låse forskellige led fra at bevæge sig for at simulere fraværet af muskelkontrol. Vi justerede også billederne fra robotens kamerasyn til at "se" verden, hvordan et nyfødt barn ville have det - en meget mere sløret udsigt, end voksne er vant til. I stedet for at fortælle robotten, hvordan man bevæger sig, vi kan tillade den at opdage dette selv. Fordelen ved dette er, at når kalibreringer ændrer sig over tid, eller som lemmer bliver beskadiget, robotten vil være i stand til at tilpasse sig disse ændringer og fortsætte med at fungere.

Læring gennem leg

Vores undersøgelser viser, at ved at anvende disse begrænsninger på læring, ikke kun stiger hastigheden, hvormed ny viden og færdigheder læres, men nøjagtigheden af ​​det lærte stiger også.

Ved at give robotten kontrol over, når begrænsningerne løftes - give mere kontrol over leddene og forbedre sit syn - kan robotten styre sin egen læringshastighed. Ved at løfte disse begrænsninger, når robotten har mættet sit nuværende læringsrum, vi kan simulere muskelvækst hos spædbørn og lade robotten modnes i sin egen hastighed.

Vi modellerede, hvordan et spædbarn lærer og simulerede de første 10 måneders vækst. Da robotten lærte sammenhænge mellem de motoriske bevægelser, de foretog, og den sensoriske information, de modtog, stereotyp adfærd observeret hos spædbørn, f.eks. "håndsrækning" - hvor børn tilbringer lange perioder med at stirre på deres hænder, mens de bevæger sig - dukkede op i robotens adfærd.

Når robotten lærer at koordinere sin egen krop, den næste store milepæl, den passerer, begynder at forstå verden omkring den. Leg er en vigtig del af et barns læring. Det hjælper dem med at udforske deres omgivelser, test forskellige muligheder og lær resultaterne.

I første omgang, dette kan være noget så simpelt som at banke en ske mod et bord, eller forsøger at putte forskellige genstande i deres mund, men dette kan udvikle sig til at bygge tårne ​​af blokke, matchende former eller slidsende objekter i de korrekte huller. Alle disse aktiviteter bygger oplevelser, der senere vil danne grundlag for færdigheder, såsom at finde den rigtige nøgle til at passe i en lås og finmotorikken til at stikke nøglen ind i nøglehullet og derefter dreje den.

I fremtiden, bygge på disse teknikker kunne give robotter midlerne til at lære og tilpasse sig de komplekse miljøer og udfordringer, som mennesker tager for givet i hverdagen. En dag, det kan betyde robotplejere, der er i overensstemmelse med menneskelige behov og som er i stand til at opfylde dem som et andet menneske.

Denne artikel er genudgivet fra The Conversation under en Creative Commons -licens. Læs den originale artikel.