Μοντέλα και πλατφόρμες AI

Έρευνα Υποδεικνύει ότι τα Εκπαιδευτικά Πεδία Πρέπει να Συνδυαστούν για την Προώθηση της Τεχνητής Νοημοσύνης

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Νέα έρευνα από το Imperial College London υποδεικνύει ότι η συνδυασμός πολλαπλών εκπαιδευτικών πεδίων, όπως η επιστήμη των υλικών, η μηχανολογία, η επιστήμη των υπολογιστών, η βιολογία και η χημεία, μπορεί να βοηθήσει στην προώθηση της τεχνητής νοημοσύνης (ΤΝ). Σύμφωνα με την έρευνα, αυτή η συνδυασμένη διεπιστημονική προσέγγιση θα παρέχει στους μαθητές τις απαραίτητες δεξιότητες για την ανάπτυξη ρομπότ με τεχνητή νοημοσύνη που να μοιάζουν με αυτά των ανθρώπων και των ζώων.

Τα ρομπότ που αναφέρεται η έρευνα είναι η Φυσική Τεχνητή Νοημοσύνη, η οποία θα ενεργεί και θα εκτελεί συμπεριφορές παρόμοιες με αυτές των ανθρώπων και των ζώων. Αυτά τα ρομπότ θα μπορούσαν επίσης να έχουν τις νοητικές ικανότητες των βιολογικών οργανισμών. Η Φυσική Τεχνητή Νοημοσύνη θα μπορούσε να βοηθήσει τους ανθρώπους στην εργασία και στο σπίτι, αναλαμβάνοντας επικίνδυνες ή δύσκολες εργασίες, συμπεριλαμβανομένης της ιατρικής, της φροντίδας, της παραγωγής και της ασφάλειας.

Η έρευνα δημοσιεύθηκε στις 10 Νοεμβρίου στο Nature Machine Intelligence.

Τρέχουσες Ικανότητες Τεχνητής Νοημοσύνης

Η σύγχρονη τεχνητή νοημοσύνη δεν έχει ακόμη συνδυάσει τις νοητικές ικανότητες των μηχανών και των βιολογικών όντων, αλλά η συνεχιζόμενη εργασία μας φέρνει πιο κοντά σε αυτή την προοπτική. Για τώρα, η πιο στενή σύνδεση μεταξύ ανθρώπων και τεχνητής νοημοσύνης προέρχεται από την τεχνολογία των κινητών τηλεφώνων, αλλά τελικά, η ίδια σύνδεση θα βρεθεί μεταξύ αυτονομών ρομπότ, του περιβάλλοντος και των ανθρώπων.

Ο συν-επικεφαλής συγγραφέας της έρευνας ήταν ο Καθηγητής Mirko Kovac του Τμήματος Αεροναυπηγικής του Imperial και του Ελβετικού Ομοσπονδιακού Εργαστηρίου για την Επιστήμη των Υλικών και την Τεχνολογία (Empa) του Κέντρου Ρομποτικής.

“Η ανάπτυξη των ‘σωμάτων’ των ρομπότ έχει μείνει πολύ πίσω από την ανάπτυξη των ‘εγκεφάλων’ των ρομπότ. Σε αντίθεση με την ψηφιακή τεχνητή νοημοσύνη, η οποία έχει εξερευνηθεί εντατικά τις τελευταίες δεκαετίες, η ανάπτυξη φυσικής νοημοσύνης σε αυτά έχει παραμείνει σχετικά ανεξερεύνητη”, είπε ο Kovac.

Σύμφωνα με τους ερευνητές, αυτό μπορεί να αποδοθεί εν μέρει στην έλλειψη μιας συστηματικής εκπαιδευτικής προσέγγισης στην τεχνητή νοημοσύνη. Πιο συγκεκριμένα, μια προσέγγιση που θα διδάσκει τους μαθητές και τους ερευνητές πώς να αναπτύξουν ένα ολόκληρο σύστημα που αποτελείται από ρομπότ σώματα και εγκεφάλους.

Φυσική Τεχνητή Νοημοσύνη

Στην εργασία, οι ερευνητές ορίζουν τη Φυσική Τεχνητή Νοημοσύνη και δείχνουν πώς μια τέτοια προσέγγιση μπορεί να αναπτυχθεί με τη συνδυασμό επιστημονικών πεδίων. Αυτό θα οδηγήσει στην ανάπτυξη ρομπότ με ικανότητες παρόμοιες με αυτές των ευφυών οργανισμών, συμπεριλαμβανομένης της ελέγχου του σώματος, της αυτονομίας και της αίσθησης.

Η έρευνα αναφέρει πέντε βασικά πεδία που πρέπει να ενταχθούν για τη Φυσική Τεχνητή Νοημοσύνη: επιστήμη των υλικών, μηχανολογία, επιστήμη των υπολογιστών, βιολογία και χημεία.

“Η έννοια της τεχνητής νοημοσύνης συχνά περιορίζεται στους υπολογιστές, τα κινητά τηλέφωνα και την επεξεργασία δεδομένων”, είπε ο Καθ. Kovac. “Προτείνουμε να σκεφτούμε την τεχνητή νοημοσύνη σε ευρύτερη έννοια και να συνδυάσουμε φυσικές μορφές, συστήματα μάθησης, ενσωματωμένα αισθητήρια, ρευστή λογική και ολοκληρωμένη ενεργοποίηση. Αυτή η Φυσική Τεχνητή Νοημοσύνη είναι το νέο μέτωπο στην έρευνα ρομποτικής και θα έχει σημαντική επίδραση στις επόμενες δεκαετίες, και η συν-έvolution των δεξιοτήτων των μαθητών με έναν ολοκληρωμένο και διεπιστημονικό τρόπο θα μπορούσε να ξεκλειδώσει κάποιες κλειδιά ιδέες για τους μαθητές και τους ερευνητές.

Για τη Φυσική Τεχνητή Νοημοσύνη να γίνει η δική της διεπιστημονική περιοχή και να αναπτύξει ρομπότ μέχρι ενός σημείου όπου θα έχουν νοητικές ικανότητες, οι ερευνητές λένε ότι η συμβατική ρομποτική και η τεχνητή νοημοσύνη πρέπει να συνδυαστούν με άλλα πεδία.

“Ενvisionουμε τα ρομπότ της Φυσικής Τεχνητής Νοημοσύνης να εξελίσσονται και να μεγαλώνουν στο εργαστήριο με τη χρήση μιας ποικιλίας μη συμβατικών υλικών και ερευνητικών μεθόδων”, συνέχισε ο Καθ. Kovac. “Οι ερευνητές θα χρειαστούν ένα πολύ ευρύτερο σύνολο δεξιοτήτων για την ανάπτυξη ρομπότ που μοιάζουν με την ζωή. Οι διεπιστημονικές συνεργασίες και партνερικές σχέσεις θα είναι πολύ σημαντικές.”

Οι ερευνητές λένε επίσης ότι η υποστήριξη από τα μέλη της σχολής είναι κρίσιμη για την ενσωμάτωση αυτών των πεδίων.

Ο Δρ Aslan Miriyev του Empa και του Τμήματος Αεροναυπηγικής του Imperial ήταν συν-επικεφαλής συγγραφέας της έρευνας.

“Τέτοια υποστήριξη είναι ιδιαίτερα απαραίτητη, καθώς η εργασία σε αυτό το διεπιστημονικό πεδίο απαιτεί το θάρρος να αφήσετε τις ζώνες άνεσης της στενής διεπιστημονικής γνώσης για χάρη μιας υψηλού κινδύνου έρευνας και αβεβαιότητας καριέρας”, είπε ο Miriyev.

“Η δημιουργία ρομπότ που μοιάζουν με την ζωή έχει μέχρι τώρα αποδειχθεί αδύνατη, αλλά θα μπορούσε να γίνει δυνατή με την ένταξη της Φυσικής Τεχνητής Νοημοσύνης στο σύστημα ανώτερης εκπαίδευσης. Η ανάπτυξη δεξιοτήτων και έρευνας στη Φυσική Τεχνητή Νοημοσύνη θα μπορούσε να μας φέρει πιο κοντά παρά ποτέ στο να ξαναορίσουμε την αλληλεπίδραση ανθρώπου-ρομπότ και ρομπότ-περιβάλλοντος.”

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.