Cadru de inteligență artificială ghidat de oameni promite o învățare robotică mai rapidă în medii noi

În era viitoare a caselor inteligente, dobândirea unui robot pentru a eficientiza sarcinile casnice nu va fi o raritate. Cu toate acestea, frustrarea poate apărea atunci când acești ajutori automatizați nu reușesc să execute sarcini simple. Intră Andi Peng, un savant de la departamentul de inginerie electrică și știință computerizată al MIT, care, împreună cu echipa sa, creează o cale de a îmbunătăți curba de învățare a roboților.

Peng și echipa sa interdisciplinară de cercetători au deschis drumul unui cadru interactiv om-robot. Punctul culminant al acestui sistem este capacitatea sa de a genera narative contrafactice care identifică modificările necesare pentru ca robotul să execute cu succes o sarcină.

Pentru a ilustra, atunci când un robot se luptă să recunoască o cană pictată într-un mod neobișnuit, sistemul oferă situații alternative în care robotul ar fi reușit, poate dacă cana ar fi avut o culoare mai frecventă. Aceste explicații contrafactice, împreună cu feedback-ul uman, optimizează procesul de generare a noilor date pentru fine-tuningul robotului.

Peng explică, “Fine-tuning-ul este procesul de optimizare a unui model de învățare automată existent care este deja competent într-o sarcină, permițându-i să execute o a doua sarcină analogă.”

Un salt în eficiență și performanță

Atunci când a fost testat, sistemul a arătat rezultate impresionante. Roboții instruiți sub această metodă au demonstrat capacități de învățare rapide, reducând în același timp angajamentul de timp din partea instructorilor umani. Dacă este implementat cu succes la scară largă, acest cadru inovator ar putea ajuta roboții să se adapteze rapid la noi medii, minimizând nevoia ca utilizatorii să posede cunoștințe tehnice avansate. Această tehnologie ar putea fi cheia pentru deblocarea roboților cu scop general, capabili să asiste eficient persoanele în vârstă sau persoanele cu dizabilități.

Peng crede, “Scopul final este de a împuternici un robot să învețe și să funcționeze la un nivel abstract uman.”

Revolutionarea antrenamentului roboților

Principalul obstacol în învățarea roboților este ‘schimbarea distribuției’, un termen folosit pentru a explica o situație în care un robot întâlnește obiecte sau spații cu care nu a fost expus în perioada de antrenament. Cercetătorii, pentru a aborda această problemă, au implementat o metodă cunoscută sub numele de ‘învățare prin imitație’. Dar aceasta a avut limitări.

“Imaginați-vă că trebuie să demonstrați cu 30.000 de căni pentru ca un robot să ridice orice cană. În schimb, prefer să demonstrez cu o singură cană și să învăț robotul să înțeleagă că poate ridica o cană de orice culoare”, spune Peng.

Ca răspuns la aceasta, sistemul echipei identifică care sunt atributele esențiale ale obiectului pentru sarcină (cum ar fi forma unei căni) și care nu sunt (cum ar fi culoarea căni). Înarmat cu această informație, generează date sintetice, modificând elementele vizuale “neesențiale”, optimizând astfel procesul de învățare al robotului.

Conectarea raționamentului uman cu logica roboților

Pentru a evalua eficacitatea acestui cadru, cercetătorii au efectuat un test care a implicat utilizatori umani. Participanții au fost rugați să spună dacă explicațiile contrafactice ale sistemului au îmbunătățit înțelegerea lor cu privire la performanța sarcinii robotului.

Peng spune, “Am descoperit că oamenii sunt în mod inerent pricepuți la acest tip de raționament contrafactic. Este acest element contrafactic care ne permite să traducem raționamentul uman în logică roboțică în mod fluent.”

În cursul mai multor simulări, robotul a învățat constant mai rapid cu abordarea lor, depășind alte tehnici și necesitând mai puține demonstrații de la utilizatori.

Urmând, echipa planifică să implementeze acest cadru pe roboți reali și să lucreze la scurtarea timpului de generare a datelor prin intermediul modelelor de învățare automată generative. Această abordare inovatoare are potențialul de a transforma traiectoria învățării roboților, deschizând calea către un viitor în care roboții coexistă în armonie în viața noastră de zi cu zi.