Da Facebook uporablja umetno inteligenco oziroma naprednejše algoritme za urejanje in predlaganje vsebin, smo že pisali. Ni pa bilo znano, da so obenem aktivni tudi na področju robotike, in sicer robote učijo premikanja.
Gre za logičen korak, saj programiranje avtonomnih robotov ponuja veliko možnosti razvoja umetne inteligence. S tem se ukvarjajo tudi drugi tehnološki velikani, kot so Nvidia, Google in Amazon. Facebook je z raziskovanjem robotike pričel lansko leto, pokrivajo pa različne funkcije in scenarije uporabe. Poglejmo si nekatere od njih:
Učenje hoje
Vir: Facebook
Za raziskovanje samostojnega učenja v Facebookovem laboratoriju za umetno inteligenco uporabljajo robote s šestimi okončinami. Na začetku robot nima nikakršnih podatkov o okolici ali načinih premikanja, ki so mu na voljo. Z uporabo posebnega algoritma za učenje se preko senzorjev na okončinah sčasoma nauči premikati po okolici.
Učenje hoje je zahtevno zaradi števila dejavnikov: ravnotežje, položaj v prostoru in orientacija v njem. Cilj raziskave je zmanjšanje števila interakcij, potrebnih za priučitev premikanja, in posledično zmanjšanje potrebnega časa učenja z nekaj dni na nekaj ur.
Uporaba radovednosti
Uporaba radovednosti v robotih zveni nekoliko čudno. Kako je lahko umetna inteligenca sploh radovedna? Z uporabo modelov negotovosti, pri katerih robot ne zna premikati svojih okončin.
Za to raziskavo so uporabili robotsko roko, ki se je sicer znala premikati, vendar ni imela dovolj podatkov, da bi zadovoljivo opravila nalogo premikanja predmeta. Z uporabo modela negotovosti, ki nagrajuje uporabo novih pristopov, robotska roka preizkuša vedno nove načine za opravilo nalog in s tem prihrani na sistemskih sredstvih, saj ni potrebno izvajati več procesov hkrati.
Učenje z dotikom
Vir: Facebook
S pomočjo raziskovalcev univerze Berkeley v Kaliforniji so v Facebookovem laboratoriju ustvarili metodo učenja s “tipanjem” okolice. Za to so uporabili algoritem za učenje iz videoposnetkov in ga prilagodili tako, da preko visokoločljivostnega senzorja ustvarja “zemljevide” svoje okolice.
Na podlagi zemljevidov se algoritem prilagaja tako, da poskuša najti optimalno pot za doseganje ciljev. Sistem ni pod človeškim nadzorom, uči se se samostojno, z njim pa raziskovalci dokazujejo, da je mogoče ustvariti sisteme, ki delujejo brez človeškega posega. Robotski roki pod nadzorom algoritma je tako uspelo premakniti žogo na drugo stran prostora. Upravljala je nadzorno palico in uspešno prepoznala stranico 20-stranske kocke.
Cilj vseh teh eksperimentov je razvoj umetne inteligence do točke, na kateri bo znala pravilno prepoznavati fizični svet in se glede nanj orientirati.
