Video onthult de verrassende uitdagingen van het onderwijs A.I. zich kleden

Het kruipen in een T-shirt is misschien wel een van de weinige taken die mensen kunnen doen, zelfs als we nauwelijks wakker zijn en nog steeds de slaap uit onze ogen krabben. Maar het feit dat we onszelf hebben gekoesterd (min of meer), is logisch voor de complexiteit van de reeks bewegingen die nodig zijn om van de buff te zijn tot genoeg gekleed te zijn om echt naar buiten te gaan.

Een persoon die dit even goed begrijpt als iedereen is Alex Clegg, een Ph.D. student aan het Georgia Institute of Technology die zich heeft toegelegd op het gebruik van machinaal leren om kunstmatige intelligentie te manipuleren hoe zichzelf te kleden. Zoals hij zegt omgekeerde, terwijl A.I. is slim genoeg om te voorspellen welke patiënten sepsis zullen krijgen of hoe om wereldkampioenen in complexe strategiespellen uit te dagen, het aanleren van machines om een ​​hemd aan te trekken is een ongrijpbaar doel gebleken.

"Doek is complex", legt hij uit in een e-mail. "Het kan onmiddellijk en ingrijpend reageren op kleine veranderingen in de positie van het lichaam en beperkt vaak beweging … Kleding heeft ook de neiging zich te vouwen, vast te houden en aan het lichaam te kleven, waardoor haptiek of aanrakingssensatie essentieel is voor de taak."

Dus waarom, precies, is een computer die probeert af te breken hoe we 's morgens bij elkaar passen? Clegg legde uit dat er een paar mogelijke toepassingen zijn voor A.I. die de bedrieglijk eenvoudige ogenschijnlijke kunst begrijpt om zich aan te kleden. Op korte termijn kunnen de bevindingen van Clegg worden gebruikt om op een dag het proces van het maken van levensechte 3D-animaties te versnellen. Maar wat nog belangrijker is, deze inzichten kunnen helpen bij het ontwerpen van ondersteunende robots die kunnen helpen zorg te dragen voor mensen van jong en oud.

De onderzoekers begonnen met het leren van een computer hoe ze een arm in de hoes konden krijgen. In de paper die zal worden gepresenteerd tijdens de komende SIGGRAPH Asia 2018-conferentie over computergraphics in december, hebben Clegg en zijn collega's de precieze techniek uitgelegd die ze gebruikten, een soort machine learning genaamd 'deep reinforced learning'.

Het doel van diepgaand versterkt leren is om robots te leren hoe ze bepaalde bewegingen en taken moeten voltooien door ze het steeds opnieuw te laten doen. In het geval van het verband A.I. had het team van Clegg de A.I. observeer de proces virtuele omgeving, repliceer het en beloonde het toen het op de goede weg leek te zijn.

Clegg legde uit dat het honderdduizenden pogingen kostte om het worstvormige geanimeerde karakter dat ze ontwikkelden te leren om een ​​jas of t-shirt aan te trekken. Per slot van rekening moest hun bot leren om aanraking waar te nemen, zodat hij het shirt kon aanraken wanneer dat nodig was. Bovendien moesten ze ook een physics-engine inbouwen om de simulatie zo accuraat mogelijk tot leven te brengen.

Op het einde lukte Clegg's onhandige, geanimeerde zoon om zijn shirt te leren dragen, ook al was het een beetje onelegant. Toch kunnen de resultaten het meest nuttig zijn als een proof-of-concept voor hoe diepgaand leren kan worden gebruikt voor het oplossen van genuanceerde problemen.

"Het is opwindend om ons de vele problemen voor te stellen die we kunnen oplossen met diepgaand versterkt leren", zegt hij. "We kijken er naar uit om verder te werken aan het mogelijk maken van robotica en het vinden van oplossingen voor grote problemen die het dagelijks leven van zoveel mensen beïnvloeden."

Het omzetten van de bevindingen van de bevindingen van deze studie naar werken met robotica zal wat meer werk vergen om zowel de software- als de hardware-aspecten te harmoniseren. Maar de bevindingen van Clegg leggen een pad bloot voor onderzoekers die geïnteresseerd zijn in het bevrijden van onze futuristische robotverzorgers van hun huidige beperkingen.