A tárgyfelismerés a mesterségesintelligencia-kutatás legtöbb fejtörést okozó területeinek egyike. Úgy tűnik, a gépi tanulás – ebben az esetben tárgyak memorizálása – egyelőre jobban megy emberi segítséggel.
Az ember számára természetes, hogy segítséget kér másoktól. Úgy tűnik, ez a tulajdonság hozzájárulhat ahhoz, hogy a robotok felülkerekedjenek a mesterséges intelligencia egyik legbonyolultabb problémáján. Legalábbis a Palo Alto-i robotikai cég, a Willow Garage egyik projektjének ez a gondolati háttere. Kutatóik arra tanítják a robotokat, hogy embereket kérjenek meg általuk fel nem ismert tárgyak azonosítására. Amennyiben sikerrel járnak, komoly előrelépést tesznek a konzisztens autonómiával működő gépek fejlesztésében. A tárgyfelismerés ugyanis már régóta okoz álmatlan éjszakákat mesterségesintelligencia-kutatóknak. Számítógépeknek ugyan meg lehet tanítani egyszerű tárgyak, mint például tollak és bögrék felismerését, viszont gyakran hibáznak, ha a fényviszonyok vagy a látószögek megváltoznak. Ezért is nehéz épületek körül biztonságosan navigáló, a tárgyakkal interakcióra képes robotot fejleszteni. A Willow Garage a PR2-t (Személyi Robot 2) fejlesztve szembesült a problémával. Amiben az MI szenved, abban az ember kiválót nyújt – az ilyen feladatokat gyakorlatilag megerőltetés nélkül abszolváljuk. A Willow Garage- dzsel együttműködő Alex Sorokin, az Illinois Egyetem informatikusa eldöntötte, hogy kihasználja a helyzetet, és emberi segítséget kérő rendszert épít PR2 számára. A rendszer a dolgozókat és munkaadókat kiegészítésre váró egyszerű feladatok kivitelezésére összehozó online piacteret, az Amazon Mechanikus Törökjét használja. A robot lefényképezi a fel nem ismert tárgyat, majd elküldi a Töröknek. A Sorokin szoftverével dolgozó, feldolgozott fényképekért 3 és 15 cent közötti összeget kereső alkalmazottak meghúzzák a képen látható tárgy kontúrjait, és nevet kapcsolnak hozzá. A bevezető teszt során a Willow Garage irodájában mászkáló robot néhány másodperc alatt küldte el a képeket, amelyek szintén pár másodperc múlva felcímkézve érkeztek vissza. Pontossági rátájuk 80 % körül volt. Sorokin szerint növelhető a százalékszám – a válaszok helyességének leellenőrzéséért fizetett újabb dolgozók kellenek hozzá. Úgy érzi, a rendszer segíteni fogja a robotokat az új környezetekre vonatkozó tanulásban. Például a takarító robotok fényképezéssel, azok felcímkéztetésével töltik majd el első hetüket az új épületben. A humán alkalmazottak a címkézéssel segítik a térre és az ottani tárgyakra vonatkozó modell létrehozásában. Ha elakadna, bármikor kérhet újfent segítséget. „Fantasztikus ötlet” – lelkendezik John Leonard, az MIT egyik robotikusa. – „Potenciálisan kivitelezhető lesz, hogy a robotok huzamosabb ideig működjenek közvetlen humán operátori beavatkozása nélkül.” Sorokin tervei szerint következő lépésként a programozók azon fognak dolgozni, hogy PR2 értse válaszainkat, s azoknak megfelelően cselekedjen.
IT3 komment: Robotok magasabb szintű autonómiája, például dinamikusan változó környezetbeli hibátlan navigációjuk gyakorlatilag elképzelhetetlen fejlett tárgyfelismerés nélkül. Míg a világításban, látószögben stb. bekövetkezett változások az embert nem zavarják, gépek számára sokszor okoznak megoldhatatlan problémát. Sőt, még a korábban megtanultakat is képesek elfelejteni. Ilyen esetekben jöhet segítségükre a „hálózati” ember és a crowdsourcing. Az internetkapcsolaton keresztül folyamatosan érkező információ lehetővé teszi, hogy huzamosabb ideig közvetlen humán beavatkozás nélkül tevékenykedjenek.
Forrás: www.newscientist.com
Nincsenek megjegyzések:
Megjegyzés küldése