Еволюция на роботите – учат се и намират отговори в 3D среда

Някога бяхме впечатлени, че феноменът Google може незабавно да отговори на всякакви въпроси, като просто напишем важните думи в търсачката. Не само това, но и може да разбере, ако сме сгрешили по случайност, например написали сме „декларця” вместо „декларация”. А сега си представете, че у дома имате мъничък робот, който може да отговори на всичките въпроси, които измъчват мнозина от нас ежедневно, от типа „къде е малкото оранжево портмоне?”, „в кое чекмедже е ключът за мазето?”, „къде е моята връзка ключове?”.

Баталната сцена на въпросите и отговорите се е разширила и учените вече работят на друго ниво – където интелигентните системи виждат, планират и обосновават отговора си. „Embodied Question Answering” е името на проект – и заглавието на доклад – на учени от Технологичния институт на Джорджия и сътрудници на Facebook AI Research. Неговата задача е навигацията „в богата 3D среда”, за да може роботът да отговаря на въпроси. Машината трябва едновременно да учи разбиране на човешкия език, визуално разпознаване, навигиране по определена цел.

Как изглежда този процес? Роботът бива поставен на произволно място в триизмерната среда. Задава му се въпрос – например, „Какъв цвят е колата?”. За да отговори, роботът трябва да навигира, за да изследва околната среда, да събере информация чрез „виждане в първо лице” – и след това да отговори.

Изучават се различни типове въпроси, свързани с различни познавателни способности. Например, някои са свързани с описание: какъв цвят е колата, колко висока е масата и др. Други са свързани с положение: какво има отгоре, отстрани, отляво, под масата. Има и въпроси за наличие или съществуване: има ли стол в стаята? Роботът трябва да е способен на разпознаване на обекти, разпознаване на разположение, броене, пространствено разсъждение, разпознаване на цветове и дори логика.

EQA е лесно разширяем, за да може да включи нови елементарни операции, типове въпроси и шаблони, ако е необходимо, казват авторите. Те подчертават, че при EQA не става дума за статичен набор от данни. По-скоро това е тест за „учебна програма за способностите, които бихме искали да постигнем при вградените комуникационни агенти”.

Според експерти, този проект всъщност „обучава системи на база изкуствен интелект да разчитат, разбират и анализират естествените езикови въпроси и да намират конкретни обекти”.

„Представете си да помолите Roomba да изчисти спалнята. Дори и машината да разпознава гласа ви и да вижда околностите, тя няма представа какво е спалнята или къде може да се намери такава”, обяснява Уил Найт пред MIT Technology Review. „Но бъдещите домашни роботи могат да използват софтуер за изкуствен интелект, който е научил такива прости факти за обикновените домове”.

„Ученето” всъщност е най-важната част от постигнатото от екипа. Роботите научават това, което Найт нарича „елементарна форма на здравия разум”. Посредством опити и грешки роботът разбира кои са най-вероятните места за търсене на даден обект. Например, той научава, че автомобилите обикновено се намират в гаража. А гаражите обикновено са зад голяма врата на предната или задната страна на сградата.