Forskning foreslår, at uddannelsesfag skal kombineres for fremme af kunstig intelligens

Nyt forskning fra Imperial College London foreslår, at man kombinerer flere uddannelsesfag, såsom materialsvidenskab, mekanisk ingeniørvidenskab, datalogi, biologi og kemi for at fremme kunstig intelligens (AI). Ifølge forskningen vil denne kombinerede disciplin give studerende de færdigheder, der er nødvendige for at udvikle livlige AI-robotter.

Robotterne, som forskningen henviser til, er Fysisk AI, som vil opføre sig og udvise adfærd lignende mennesker og andre dyr. Disse robotter kan også have intellektuelle evner lignende biologiske organismer. Fysisk AI kan hjælpe mennesker på arbejde og hjemme med farlige eller svære opgaver, herunder medicin, pleje, fremstilling og sikkerhed.

Forskningen blev offentliggjort den 10. november i Nature Machine Intelligence.

Nuværende AI-kapaciteter

Moderne AI har endnu ikke kombineret intelligenskapaciteterne fra maskiner og biologiske væsener, men det pågældende arbejde bringer os tættere på dette perspektiv. For tiden er den tætteste forbindelse mellem mennesker og AI baseret på smartphone-teknologi, men til sidst vil denne samme forbindelse findes mellem autonome robotter, miljøet og mennesker.

Medforfatteren til forskningen var professor Mirko Kovac fra Imperial’s Aeronautics-afdeling og det schweiziske føderale laboratorium for materialsvidenskab og teknologi (Empa)’s Materials and Technology Centre of Robotics.

“Udviklingen af robot-‘kroppe’ har betydeligt lagt bagud i forhold til udviklingen af robot-‘hjerner’. I modsætning til digital AI, som er blevet intensivt udforsket i de sidste få årtier, har det været relativt uudforsket at give robotter fysisk intelligens,” sagde Kovac.

Ifølge forskerne kan dette delvist tilskrives manglen på en systematisk uddannelsesapproach til AI. Mere specifikt en approach, der underviser studerende og forskere i, hvordan man udvikler en hel enhed bestående af robotkroppe og -hjerner.

Fysisk AI

I artiklen definerer forskerne Fysisk AI og demonstrerer, hvordan en approach kan udvikles ved at kombinere videnskabelige discipliner. Dette vil føre til udviklingen af robotter med kapaciteter lignende intelligente organismer, herunder kroppskontrol, autonomi og sansning.

Forskningen nævner fem hoveddiscipliner, der skal integreres for Fysisk AI: materialsvidenskab, mekanisk ingeniørvidenskab, datalogi, biologi og kemi.

“Begrebet AI er ofte begrænset til computere, smartphones og dataintensiv beregning,” sagde Prof. Kovac. “Vi foreslår at tænke på AI i bredere forstand og samudvikle fysisk morfologi, læringsystemer, integrerede sensorer, fluid logik og integreret aktivering. Denne Fysisk AI er den nye front i robotforskning og vil have en betydelig indvirkning i de kommende årtier, og samudviklingen af studerendes færdigheder på en integreret og tværfaglig måde kan låse op for nogle nøgleideer for studerende og forskere.

For at Fysisk AI kan blive sin egen disciplin og udvikle robotter til et punkt, hvor de har intelligenskapaciteter, siger forskerne, at konventionel robotteknologi og AI skal kombineres med andre discipliner.

“Vi forestiller os, at Fysisk AI-robotter kan udvikles og dyrkes i laboratoriet ved hjælp af en række usædvanlige materialer og forskningsmetoder,” fortsatte Prof. Kovac. “Forskere vil have brug for en langt bredere vifte af færdigheder til at bygge livlige robotter. Tværfaglige samarbejder og partnerskaber vil være meget vigtige.”

Forskere siger også, at støtte fra fakultetsmedlemmer er afgørende for at integrere disse discipliner.

Dr. Aslan Miriyev fra Empa og Aeronautics-afdelingen på Imperial var medforfatter til forskningen.

“En sådan støtte er især nødvendig, da arbejde i det tværfaglige legefelt kræver, at man tør forlade det snævre disciplinære kundskabsområde for at kunne udføre højrisiko-forskning og have usikkerhed omkring karrieren,” sagde Miriyev.

“At skabe livlige robotter har hidtil været en umulig opgave, men det kunne muligvis gøres muligt ved at inkludere Fysisk AI i uddannelsessystemet. Udvikling af færdigheder og forskning i Fysisk AI kunne bringe os tættere på end nogensinde at gendefinere menneske-robot- og robot-miljø-interaktion,”