Video avslører de overraskende utfordringene i undervisningen A.I. å kle seg

Kryper inn i en tee skjorte kan være en av de få oppgaver oss mennesker er i stand til å gjøre selv vi er knapt våken og fortsatt kliper søvnen ut av våre øyne. Men det faktum at vi har mestret hvordan vi skal kle seg (mer eller mindre), tror på hvor komplisert serien av bevegelser som kreves for å være i buff til å være kledd nok til å gå ut av dørene, er egentlig.

En person som forstår dette, så vel som hvem som helst, er Alex Clegg, en datavitenskap Ph.D. student ved Georgia Institute of Technology som har fokusert på å bruke maskinlæring til teknisk kunstig intelligens hvordan man skal kle seg. Som han forteller Omvendt, mens A.I. er smart nok til å forutsi hvilke pasienter som vil få sepsis eller hvordan man utfordrer verdensmestere i komplekse strategispill, har undervisningsmaskiner hvordan å sette på en skjorte vist seg å være et unnvikende mål.

"Klut er komplisert," forklarer han i en e-post. "Det kan reagere umiddelbart og drastisk til små forandringer i kroppens stilling og ofte begrense bevegelse … Klær har også en tendens til å folde, holde fast og kle seg til kroppen, noe som gjør haptisk eller berøring sensasjon avgjørende for oppgaven."

Så hvorfor, akkurat, er det en computerfisk som prøver å bryte ned hvordan vi passer opp om morgenen? Clegg forklarte at det er noen mulige søknader for A.I. som forstår den villedende, enkle, tilsynelatende kunsten å kle seg på. På kort sikt kan Cleggs funn brukes til noen dagers fart i prosessen med å lage virkelige 3D-animasjoner. Men enda viktigere, kan disse innsiktene bidra til utformingen av hjelpende roboter som kan bidra til å ta vare på mennesker både unge og gamle.

Forskerne begynte med å lære en datamaskin hvordan man behersker å få en arm i ermet. I papiret som presenteres på den kommende SIGGRAPH Asia 2018 konferansen om datagrafikk i desember, forklarte Clegg og hans kollegaer nøyaktig hvilken teknikk de brukte, en type maskinlæring som ble kalt "dypt forsterket læring".

Målet med dypt forsterket læring er å forsøke å lære roboter hvordan å fullføre visse bevegelser og oppgaver ved å få dem til å gjøre det igjen og igjen. I tilfelle av dressing A.I. hadde Cleggs lag A.I. observere prosessen virtuelle miljøet, replikere det, og belønnet det da det syntes å være på rett spor.

Clegg forklarte at det tok hundrevis av tusenvis av prøver for å få den pølseformede animerte karakteren de utviklet for å lære å sette på en jakke eller t-skjorte. Tross alt måtte deres bot lære hvordan de skulle oppleve kontakten, slik at det kunne tråkke skjorten når det trengte. I tillegg trengte de også å innlemme en fysikkmotor for å gjøre simuleringen så nøyaktig som mulig for livet.

Til slutt klarte Cleggs klumpete, animerte sønn å lære å få på seg t-skjorte, selv om det var litt inelegantly. Likevel kan resultatene være mest nyttige som et proof of concept for hvor dyp læring kan brukes til å løse nyanserte problemer.

"Det er spennende å forestille seg at det er mange problemer vi kan løse med dypt forsterket læring," sier han. "Vi gleder oss til å fortsette å arbeide for å muliggjøre robotikk og finne løsninger på store problemer som påvirker hverdagen for så mange mennesker."

Konvertering av funnene av funnene i denne studien til arbeid med robotteknologi vil ta litt mer arbeid for å harmonisere både programvare og maskinvareaspekter. Men Cleggs funn legger ut en vei for forskere som er interessert i å frigjøre våre futuristiske roboter fra deres nåværende begrensninger.