Google od niedawna zajmuje się tzw. „Robotyką w chmurze”. Jest to zjawisko polegające na tym, że roboty, które nauczyły się samodzielnie wykonywać dowolne czynności, mogą dzielić się swoim „doświadczeniem” z innymi robotami, po prostu przesyłając informacje dowolną dostępną metodą komunikacji. Ta zasada nauczania pozwala uniknąć momentu przeprogramowania, czy też, że tak powiem, „przekwalifikowania”, przy wyznaczaniu nowych zadań do techniki.
Istota „robotyki w chmurze” jest następująca: opiera się na sieciach neuronowych, które określają i przechowują sekwencję wykonywanych czynności, odpowiadają za procesy automatyzacji i przekazywania informacji. Ogólnie rzecz biorąc, na wszystko, co nazywamy doświadczeniem. Roboty oparte na sieciach neuronowych mogą postawić sobie dowolne zadanie, a sztuczny mózg znajdzie własne rozwiązania. W przyszłości, wykonując te czynności kilkakrotnie, robot opracuje optymalny algorytm, który będzie w stanie przenieść na inne maszyny, a także wykorzysta go i ulepszy, a nie za każdym razem zaczynając od zera.
Naukowcy z Google Research przetestowali swój algorytm na trzech typach robotów, które wykonują różne zadania: otwieranie drzwi, badanie przedmiotów na tacy oraz zmodyfikowana wersja pierwszego eksperymentu, w którym robot nie był szkolony samodzielnie, ale był kontrolowany przez osobę, której zadaniem było doskonalenie umiejętności.
W pierwszym przypadku dużo czasu zajęło samochodowi zrozumienie, że aby otworzyć drzwi, należy chwycić klamkę, obrócić i pchnąć drzwi. Ale wszystkie kolejne roboty korzystały z tego algorytmu, pomijając moment treningowy.
W eksperymencie z tacą maszyny pozostawiono same sobie i przez kilka godzin badały związki przyczynowe między przedmiotami (np. Czajnik - filiżanka - cukier: co z tym zrobić jest oczywiste tylko dla nas, roboty musiały się „nauczyć”).
Eksperyment numer trzy, po wyszkoleniu robota przez operatora, był zdany na łaskę „zbiorowej świadomości”, która szybko wspólnie znalazła optymalne rozwiązania, różniące się różnymi początkowymi położeniami manipulatorów i końcowym efektem, który przyspieszył manipulację.
Najciekawszy był moment, gdy jeden z robotów został zmuszony do otwarcia drzwi, na których zainstalowano zupełnie inny rodzaj klamki. Maszyna wykonała świetną robotę.
Dlaczego to wszystko jest konieczne, oprócz konstruowania teorii o powstaniu maszyn? To proste: to przyspieszenie procesu uczenia się umożliwi robotom przemysłowym wykonywanie złożonych zadań znacznie szybciej niż w przypadku tradycyjnego podejścia.
Film promocyjny:
VLADIMIR KUZNETSOV