Interactive Cyber-Physical Human (iCPH) ပလပ်ဖောင်းကို သုတေသီက မြင်သည်။

တိုကျိုသိပ္ပံတက္ကသိုလ်မှ ပရော်ဖက်ဆာ Eiichi Yoshida သည် အပြန်အလှန်အကျိုးပြုသော ဆိုက်ဘာရုပ်ပိုင်းဆိုင်ရာလူသား (iCPH) ၏ ဆန်းကြယ်သောစိတ်ကူးကို တင်ပြခဲ့သည်။

လူတွေဟာ ထိုင်ပြီး ပစ္စည်းတွေ ကောက်တာလိုမျိုး ရှုပ်ထွေးတဲ့ အလုပ်တွေကို သဘာဝအတိုင်း လုပ်ဆောင်နိုင်ပါတယ်။ သို့သော်လည်း ဤလှုပ်ရှားမှုများတွင် အမျိုးမျိုးသော လှုပ်ရှားမှုများ ပါဝင်ပြီး စက်ရုပ်များအတွက် ခက်ခဲကြောင်း သက်သေပြနိုင်သည့် အဆက်အသွယ်များစွာ လိုအပ်ပါသည်။ iCPH သည် ဤပြဿနာကို ကူညီဖြေရှင်းပေးနိုင်သည်။

လူသားနှင့်တူသော စနစ်များကို နားလည်ခြင်းနှင့် ဖန်တီးခြင်း။

ပလက်ဖောင်းအသစ်သည် ထိတွေ့မှုကြွယ်ဝသော ခန္ဓာကိုယ်တစ်ခုလုံး လှုပ်ရှားမှုအမျိုးမျိုးကို အသုံးပြုသည့် လူသားနှင့်တူသော စနစ်များကို နားလည်ပြီး ထုတ်လုပ်နိုင်စေရန် ကူညီပေးနိုင်ပါသည်။

အလုပ်အတွက် ထုတ်ဝေခဲ့သည်။ စက်ရုပ်နှင့် AI နယ်နိမိတ်များ.

“နာမည်အကြံပြုထားတဲ့အတိုင်း iCPH ဟာ လူသားတွေရဲ့ လှုပ်ရှားမှုတွေကို ဖမ်းယူနိုင်ဖို့ ရုပ်ပိုင်းဆိုင်ရာနဲ့ ဆိုက်ဘာဒြပ်စင်တွေကို ပေါင်းစပ်ထားပါတယ်” ဟု ပါမောက္ခ Yoshida ကဆိုသည်။ “လူသားဆန်သော စက်ရုပ်သည် လူသားတစ်ဦး၏ ရုပ်ပိုင်းဆိုင်ရာ အမွှာအဖြစ် လုပ်ဆောင်နေချိန်တွင်၊ ဒစ်ဂျစ်တယ်အမွှာ ဆိုက်ဘာစပိုင်တွင် အတုယူထားသော လူသား သို့မဟုတ် စက်ရုပ်အဖြစ် တည်ရှိနေသည်။ ၎င်းကို ကြွက်သားအကြောဆိုင်ရာနှင့် စက်ရုပ်ခွဲခြမ်းစိတ်ဖြာမှုကဲ့သို့သော နည်းစနစ်များဖြင့် စံနမူနာပြုထားသည်။ အမြွှာနှစ်ယောက်က တစ်ယောက်ကိုတစ်ယောက် အားဖြည့်ပေးတယ်။”

ပရော်ဖက်ဆာ Yoshida သည် မေးခွန်းများစွာကို မူဘောင်ဖြင့် ဖြေဆိုသည် ၊

• Humanoid များသည် လူသား၏ အယူအဆကို မည်သို့ အတုယူနိုင်သနည်း။
• စက်ရုပ်များသည် လူသားတို့၏ အပြုအမူများကို သင်ယူပြီး မည်သို့ တုပနိုင်သနည်း။
• စက်ရုပ်များသည် လူသားများနှင့် ချောမွေ့စွာ သဘာဝကျကျ မည်ကဲ့သို့ တုံ့ပြန်နိုင်သနည်း။

iCPH မူဘောင်

iCPH မူဘောင်၏ ပထမအပိုင်းသည် အမျိုးမျိုးသော ကိုယ်အင်္ဂါအစိတ်အပိုင်းများ၏ ရွေ့လျားမှုကို တိုင်းတာခြင်းဖြင့် လူ့လှုပ်ရှားမှုကို တိုင်းတာသည်။ ၎င်းသည် လူသားတစ်ဦးမှပြုလုပ်သော အဆက်အသွယ်များ၏ အမျိုးအစားကိုလည်း မှတ်တမ်းတင်သည်။

မူဘောင်သည် မတူညီသော ညီမျှခြင်းများဖြင့် အမျိုးမျိုးသော ရွေ့လျားမှုများ၏ ယေဘူယျဖော်ပြချက်အပြင် အဆက်အသွယ်လှုပ်ရှားမှုကွန်ရက်တစ်ခု၏ မျိုးဆက်ကို ထုတ်ပေးသည်။ ထို့နောက် humanoid သည် ဤကွန်ရက်ကို လုပ်ဆောင်နိုင်သည်။

ဒစ်ဂျစ်တယ် အမွှာများနှင့် ပတ်သက်လာလျှင် ၎င်းသည် မော်ဒယ်အခြေခံနှင့် စက်သင်ယူမှု ချဉ်းကပ်မှုများမှတစ်ဆင့် ကွန်ရက်ကို သင်ယူသည်။ ဤနှစ်ခုကို ခွဲခြမ်းစိတ်ဖြာသော gradient တွက်ချက်နည်းဖြင့် ချိတ်ဆက်ထားပြီး ဆက်တိုက်လေ့လာခြင်းသည် စက်ရုပ်ပုံသဏ္ဍာန်တွင် အဆက်အသွယ် sequence ကို မည်သို့လုပ်ဆောင်ရမည်ကို သင်ကြားပေးသည်။

iCPH ၏တတိယအပိုင်းသည် vector quantization နည်းပညာကို အသုံးမပြုမီ ဒေတာ တိုးမြှင့်ခြင်းမှတစ်ဆင့် အဆက်အသွယ်လှုပ်ရှားမှုကွန်ရက်ကို ကြွယ်ဝစေသည်။ ဤနည်းပညာသည် အတွေ့အကြုံမရှိသော အခြေအနေများတွင် အဆက်အသွယ်လှုပ်ရှားမှု၏ ဘာသာစကားကို ဖော်ပြသည့် သင်္ကေတများကို ထုတ်ယူရာတွင် ကူညီပေးသည်။

ဤအရာအားလုံးသည် စက်ရုပ်များသည် ချောမွေ့သောလှုပ်ရှားမှုများနှင့် အဆက်အသွယ်များစွာကိုအသုံးပြုခြင်းဖြင့် လူသားများနှင့်အပြန်အလှန်ဆက်ဆံစဉ် အမည်မသိပတ်ဝန်းကျင်များကို စူးစမ်းနိုင်သည်ဟု ဆိုလိုသည်။

ပရော်ဖက်ဆာ Yoshida သည် ယေဘူယျဖော်ပြချက်များနှင့် သက်ဆိုင်သည့် iCPH အတွက် စိန်ခေါ်မှုသုံးခု၊ အဆက်မပြတ် လေ့လာသင်ယူမှုနှင့် အဆက်အသွယ်လှုပ်ရှားမှု၏ သင်္ကေတအဖြစ် ဖော်ပြသည်။ iCPH ကို နားလည်စေရန်၊ ၎င်းတို့ကို လမ်းညွှန်ရန် သင်ယူရမည်*.*

“iCPH မှဒေတာကို လူသိရှင်ကြားထုတ်ပြန်ပြီး လူမှုနှင့်စက်မှုဆိုင်ရာပြဿနာများကိုဖြေရှင်းရန်အတွက် လက်တွေ့ဘဝပြဿနာများဆီသို့ ဖြန့်ကျက်သွားပါမည်။ လူသားဆန်သော စက်ရုပ်များသည် ပြင်းထန်သောဝန်ထုပ်ဝန်ပိုးများပါ၀င်သည့် အလုပ်များစွာမှ လူသားများကို လွတ်မြောက်စေပြီး လေးလံသောပစ္စည်းများကို ရုတ်သိမ်းခြင်းနှင့် အန္တရာယ်ရှိသောပတ်ဝန်းကျင်များတွင် လုပ်ဆောင်ခြင်းကဲ့သို့သော ၎င်းတို့၏ဘေးကင်းမှုကို မြှင့်တင်ပေးနိုင်သည်” ဟု ပါမောက္ခ ယိုရှီဒါက ပြောကြားခဲ့သည်။ “iCPH ကို လူသားများ လုပ်ဆောင်သော အလုပ်များကို စောင့်ကြည့်ရန်နှင့် အလုပ်နှင့် ဆက်စပ်သော ဝေဒနာများကို ကာကွယ်ရန်လည်း အသုံးပြုနိုင်သည်။ နောက်ဆုံးတွင်၊ humanoid များကို ၎င်းတို့၏ ဒစ်ဂျစ်တယ်အမွှာများမှတစ်ဆင့် လူသားများက အဝေးထိန်းစနစ်ဖြင့် ထိန်းချုပ်နိုင်ပြီး၊ ယင်းသည် humanoid များသည် ကြီးမားသော စက်ကိရိယာများ တပ်ဆင်ခြင်းနှင့် အရာဝတ္တုများ သယ်ယူပို့ဆောင်ရေးကို လုပ်ဆောင်နိုင်စေမည်ဖြစ်သည်။”