211service.com
Wikipedia voor robots
Mensen hebben veel waarde gekregen door al hun kennis te ordenen en breed toegankelijk te maken - in leerboeken, bibliotheken, Wikipedia en YouTube, om maar een paar voorbeelden te noemen. Deze kennisbronnen zijn niet alleen waardevol voor grootse wetenschappelijke ondernemingen, maar ook voor de triviale dingen van het dagelijkse mensenleven: je kunt gemakkelijk duizenden YouTube-video's vinden die je leren hoe je een omelet kookt.
Ashutosh Saxena
We leven nu in een wereld waar robots mensen helpen in hun dagelijks leven, en net als mensen moeten robots nieuwe vaardigheden leren om hun werk met succes te kunnen doen. En we mogen niet verwachten dat een robot uit zichzelf leert, net zo min als we van een mens verwachten: stel je een kind voor dat opgroeit zonder toegang tot schoolboeken, bibliotheken of internet.
De georganiseerde verzamelingen kennis die voor mensen werken, zijn echter niet zo geweldig voor robots. Een robot zou niet veel nuttige informatie krijgen als hij een zoekmachine zou vragen hoe hij zoete thee uit de keuken kon halen. Robots hebben iets anders nodig: toegang tot fijnere details voor planning, controle en begrip van natuurlijke taal. Wanneer de robot wordt gevraagd om zoete thee te brengen, heeft hij toegang nodig tot de kennis om de taalsymbolen (thee) te interpreteren in termen van fysieke entiteiten (een bepaalde container met zoete thee), de ruimtelijke kennis dat zoete thee op een tafel of op tafel kan staan. in een koelkast, en de kennis om te concluderen hoe objecten te grijpen en te manipuleren. Het is mogelijk om handmatig een demo voor een bepaalde situatie te scripten, maar het is nog steeds een open probleem om dit voor verschillende taken en in verschillende omgevingen af te handelen.
In 2014 startte ik samen met promovendi Ashesh Jain en Ozan Sener een project genaamd RoboBrain aan de Cornell University. We hebben nu medewerkers bij Stanford en Brown. Waar we aan werken, is een manier om informatie te delen waarmee robots alle kennis kunnen verzamelen die ze nodig hebben voor een taak (zie Robots die elkaar leren). Als één robot leert, wordt de kennis doorgegeven aan alle robots. RoboBrain bereikt dit door de kennis uit verschillende bronnen te verzamelen. Het systeem slaat meerdere soorten informatie op, waaronder symbolen, natuurlijke taal, visuele of vormkenmerken, haptische eigenschappen en bewegingen.
Deze benadering betekent een enorme verschuiving in het denken. Historisch gezien hebben onderzoeksgroepen die met robots werken hun robots geïsoleerd getraind. Ja, we delen vaak ideeën via publicaties en software die door een andere onderzoeksgroep kan worden gebruikt, maar wat de ene robot zou kunnen leren, was niet toegankelijk voor de robot van een andere onderzoeker. Om het probleem nog groter te maken, hebben onderzoeksgroepen aan verschillende problemen gewerkt: de ene heeft zich misschien gefocust op het computervisieprobleem van het identificeren van een beker, terwijl een andere heeft gewerkt aan het taalprobleem van wat een beker is, terwijl een derde zich heeft gericht op het begrijpen van een beker. beker.
Dat is het soort aanpak dat we nodig hebben om voorbij te gaan. Een kopje is één object, niet drie. En een robot moet, net als een mens, alle kennis die hij nodig heeft op één plek kunnen hebben.
Ashutosh Saxena is de directeur van het RoboBrain-project en de oprichter en CEO van de startup Brain of Things .