September 27, 2022

Belajar berjalan adalah tentang belajar dari kegagalan, dan kemudian mencoba lagi. Setiap langkah kaki baru membawa serta ketidakseimbangan berat, dan kemungkinan bahwa tanah di bawahnya akan memiliki tekstur atau kepadatan yang berbeda dari sebelumnya. Seorang balita yang belajar berjalan saat berada di dek goyang kapal mungkin kesulitan ketika, di tanah kering, tanah di bawah kaki tidak bergerak dengan cara yang diharapkan.

Bagi DARPA, sayap biru militer memproyeksikan, mengajar robot berjalan di medan baru berarti merangkul pembelajaran seperti balita. Belajar berjalan dimulai dengan banyak kegagalan, tetapi dengan belajar bagaimana menyesuaikan diri dengan kegagalan, robot dapat mengatasi lingkungan yang sepenuhnya baru berdasarkan intuisi saja.

Ini adalah domain dari Machine Common Sense, sebuah inisiatif DARPA tentang mengembangkan sejenis AI yang memungkinkan robot, pertama dalam simulasi dan kemudian di dunia nyata, meniru kemampuan balita untuk memahami, berinteraksi dengan, dan menavigasi dunia. Ini mencakup upaya untuk memproses bahasa, memanipulasi objek, dan bergerak melintasi medan yang tidak dikenal.

“Inspirasi untuk program ini adalah bahwa meskipun AI telah menghasilkan banyak sistem yang sangat menakjubkan yang telah menunjukkan kinerja tingkat ahli pada banyak tugas, secara umum sistem AI rapuh dan cenderung tidak memiliki akal sehat yang dimiliki setiap orang di jalan,” kata Howard Shrobe, manajer DARPA untuk Machine Common Sense.

“Namun, tujuan utamanya adalah memungkinkan sistem komputer dan sistem robot untuk dapat dilatih dengan cara yang sama seperti kami melatih tentara di bidang teknis yang mereka kerjakan di dalam militer,” kata Shrobe.

Baca saja petunjuknya

Shrobe membayangkan betapa bergunanya jika mesin bisa belajar dengan mahir seperti manusia. “Di perjalanan, Anda dapat membayangkan seorang teknisi robot membaca instruksi manual tentang cara melakukan perbaikan motor pada kendaraan dan dapat mengambil deskripsi bahasa itu dan mungkin beberapa video, dan kemudian menjalankannya, karena ia sangat mampu menghitung tahu bagaimana melakukan gerakan itu sudah tahu bagaimana melakukannya dan menyusunnya untuk melakukan hal-hal yang tersirat oleh instruksi, ”tambah Shrobe.

See also  90 persen energi bersih pada tahun 2035 adalah tujuan yang dapat dicapai

Agar itu berfungsi, AI tidak hanya harus menyerap manual dan dapat mengulangi informasi yang dikandungnya, tetapi AI harus memahami semua pengetahuan integral yang tidak secara eksplisit dinyatakan dalam instruksi, tetapi tetap penting untuk prosesnya.

[Related: Google taught a robot dog new tricks by having it mimic the real thing]

“Anda dapat membayangkan sebuah resep untuk membuat telur orak-arik, dan mungkin dimulai dengan mengatakan ‘meletakkan dua telur dalam mangkuk.’ Dan bahkan kita yang kokinya sangat buruk mengerti bahwa itu tidak benar-benar berarti memasukkan dua telur ke dalam mangkuk. Itu berarti memecahkan telur dan memasukkannya ke dalam mangkuk. Dan itu tidak memberi tahu Anda di mana Anda mungkin dapat menemukan telur atau memberi tahu Anda cara memecahkannya,” kata Shrobe.

Buku masak, seperti manual instruksi lainnya, beroperasi dari premis bahwa seseorang yang membuka buku sudah mengetahui informasi implisit semacam ini, sehingga pembaca dapat fokus pada tugas yang ada. Jika mesin militer dapat dibuat dengan AI yang dapat membedakan akal sehat ini dari membaca, maka AI dapat melakukan tugas khusus tanpa harus terlebih dahulu diajarkan cara mempelajari semua bagian komponen tugas.

Bisakah mesin mempelajari keabadian objek?

Mengembangkan akal sehat untuk mesin berarti meninjau kembali bagaimana sistem buatan memahami, menggabungkan, dan beradaptasi dengan pengetahuan baru. Beberapa di antaranya adalah pengetahuan tentang bagaimana tubuh bekerja dan ada di luar angkasa, seperti berjalan di atas medan baru dan tidak rata. Bagian lain dari ini adalah mengajarkan program pengenalan gambar untuk memiliki keabadian objek, sehingga jika kamera melihat bola menggelinding di belakang dinding, ia tidak mengkatalogkan bola sebagai objek baru ketika muncul dari sisi lain. Ini adalah jenis pengetahuan yang datang secara intuitif kepada manusia, meskipun sering melalui beberapa percobaan dan kesalahan, pada masa bayi.

See also  Mengapa probe seperti Voyager sangat penting untuk penemuan kosmik

Untuk mesin yang mempelajari tugas fisik, pengetahuan itu dapat diperoleh bukan dengan membaca manual, tetapi dengan melakukan dan beradaptasi dengan pemrograman yang mampu mengambil perubahan tak terduga dan mengubahnya menjadi pengetahuan. Salah satu contohnya adalah robot berkaki empat yang belajar menjaga keseimbangan meskipun beban dilempar ke punggungnya.

Akal sehat mesin yang diperlukan untuk menavigasi manual dan rintangan dibangun di atas proses pembelajaran mesin dan pembelajaran penguatan yang sama. Dalam lingkungan yang disimulasikan, AI memahami parameter dari kumpulan tugas sebelumnya, dan muncul dengan pendekatan tentang bagaimana melanjutkan ketika diberikan informasi baru. Ini berarti menarik dari akumulasi pengalaman dan mencoba strategi yang mendekati situasi saat ini. Dan, yang terpenting, kemudian belajar ketika AI mencoba menavigasi tugas dalam kehidupan nyata.

Dalam simulasi, robot mungkin berjalan di atas bukit, lalu tersandung beberapa balok batu bara di sisi lain bukit itu. Dalam kehidupan nyata, robot itu mungkin mencapai puncak bukit, dan kemudian menemukan batang kayu yang jatuh. Berkat tersandung dalam simulasi, robot dapat menavigasi situasi yang sama tanpa tersandung.

[Related: A new tail accessory propels this robot dog across streams]

Dengan mempelajari apa yang tidak berfungsi, dan yang lebih penting dengan mempelajari dan mengulangi apa yang berhasil, AI yang sedang dikembangkan DARPA akan menavigasi mesin melalui tugas yang sudah dikenal dalam lingkungan yang tidak dikenal. Sementara Shrobe berbicara tentang bayi, itu juga jenis adaptasi umum ke dunia yang kami harapkan dari orang dewasa, terutama orang dewasa muda yang mendaftar di militer dan kemudian diharapkan untuk menguasai tugas-tugas yang dipelajari dalam pelatihan di negara-negara di seluruh dunia yang mungkin tidak mereka miliki. bahkan mendengar sebelum tiba.

See also  Penipuan phishing baru menggunakan gambar Teleskop Webb

Sementara teknisi robot berkemampuan penuh yang dibayangkan Shrobe masih jauh, melalui tim program Machine Common Sense DARPA sedang bekerja untuk mengembangkan dan mengevaluasi langkah-langkah komponen. Ini berarti tidak hanya mengulangi teks dalam manual, atau membuktikan robot dapat berjalan di tanah yang tidak rata, tetapi juga menguji untuk melihat apakah AI dapat menghasilkan kalimat yang koheren berikutnya dalam tes bahasa, atau jika robot dapat berjalan di tanah yang tidak rata yang tiba-tiba. menjadi licin karena minyak.

Salah satu contoh nyata dari semua ini adalah melatih AI dalam simulasi untuk lulus jenis tes yang sama bagi anak-anak untuk melihat apakah mereka telah mengembangkan gagasan tentang permanensi objek yang disebutkan di atas.

“Anda menunjukkan sebuah objek bergulir di belakang layar, dan kemudian tidak pernah keluar. Dan sekarang Anda dapat bertanya kepada sistem AI, dapatkah Anda menemukan objeknya? Dan jika ia bernavigasi di lingkungan simulasi untuk pergi ke belakang layar, maka Anda dapat menganggapnya memiliki objek permanen, karena ia mengasumsikan benda itu berguling di belakang layar dan tetap di sana, sebagai lawannya bergulir di belakang layar dan berhenti ada,” kata Jubah.

Saksikan AI mengarahkan robot berkaki empat di atas medan di bawah ini: