Aprender a caminar es aprender del fracaso y luego volver a intentarlo. Cada nuevo paso conlleva un desequilibrio de peso y la probabilidad de que el suelo debajo tenga una textura o densidad diferente a la anterior. Un niño pequeño que aprende a caminar llamando a la cuna de un barco puede tener dificultades cuando el suelo bajo sus pies no se mueve como se esperaba.
Para DARPA, la rama del ejército de Blue Sky Project, enseñar a los robots a caminar sobre nuevos terrenos significa abrazar el aprendizaje como un niño pequeño. Aprender a caminar comienza con muchas fallas, pero al aprender a adaptarse a las fallas, los robots pueden abordar entornos completamente nuevos basándose únicamente en el conocimiento.
este es su dominio Sentido común de la máquina, una iniciativa de DARPA para crear un tipo de IA que permita a los robots, primero en simulación y luego en el mundo real, simular la capacidad de un niño para comprender, comunicarse y navegar por el mundo. Estos incluyen intentos de procesar el lenguaje, manipular objetos y moverse por un terreno desconocido.
“El programa se inspiró en el hecho de que, aunque la IA ha creado muchos sistemas asombrosos que han demostrado un nivel experto de eficiencia en muchas tareas, los sistemas de IA en general son frágiles y carecen del sentido común que cualquier persona en la calle puede tener”, dijo Howard Schrob. , gerente de DARPA para el sentido común de las máquinas.
«Sin embargo, el objetivo final es permitir el entrenamiento de sistemas informáticos y sistemas robóticos de la misma manera que entrenamos a los soldados en los campos técnicos de la forma en que operan en el ejército», dijo Schroeder.
Solo lee las instrucciones
Shrove imagina lo útil que sería si las máquinas pudieran aprender tan hábilmente como los humanos. “En el camino te puedes imaginar a un técnico de robots leyendo un manual de cómo reparar algunos motores en un auto y pudiendo tomar descripciones y posiblemente algunos videos en ese idioma, y luego editarlo, porque es capaz de ilustrar perfectamente. Sabe de antemano cómo moverse, cómo hacerlo y cómo componer lo que significan las instrucciones”, agregó Schroe.
Para que esto funcione, una IA no solo debe absorber un manual y ser capaz de replicar la información contenida en él, sino que la IA debe comprender todo el conocimiento integral que no se indica explícitamente en las instrucciones, pero que es vital para el proceso. .
[Related: Google taught a robot dog new tricks by having it mimic the real thing]
“Te puedes imaginar una receta para hacer huevos revueltos, y podría empezar con ‘poner dos huevos en un bol’. Incluso aquellos de nosotros que éramos bastante malos cocineros nos dimos cuenta de que literalmente no significaba poner dos huevos en una olla. Esto significa romper los huevos y ponerlos en un bol. Y no te dice dónde probablemente podrás encontrar los huevos o cómo romperlos”, dijo Shrove.
Los libros de cocina, al igual que otros manuales de instrucciones, parten de la premisa de que la persona que abre el libro ya conoce este tipo de información subyacente, para que el lector pueda concentrarse en la tarea que tiene entre manos. Si se pueden construir máquinas militares con IA que puedan comprender este sentido común a partir de la lectura, entonces la IA puede realizar tareas especializadas sin enseñar primero cómo aprender todos los componentes de la tarea.
¿Puede la máquina aprender la estabilidad del objeto?
Desarrollar el sentido común para las máquinas significa repensar cómo los sistemas artificiales perciben, incorporan y se adaptan al nuevo conocimiento. Algunos de estos son cómo funcionan y existen los cuerpos en el espacio, como caminar sobre un terreno nuevo e irregular. Otra parte de esto es enseñar un programa de reconocimiento de imágenes para la estabilidad de un objeto, de manera que cuando una cámara ve una pelota rodar detrás de una pared, no catalogue la pelota como un objeto nuevo cuando sale por el otro lado. Es un conocimiento que llega a la gente instintivamente, aunque a menudo a través de algún ensayo y error en la infancia.
Para las máquinas de aprendizaje de trabajo físico, ese conocimiento puede adquirirse no leyendo manuales, sino realizando y adaptándose a una programación capaz de aceptar cambios inesperados y convertirlos en conocimiento. Un ejemplo es un robot de cuatro patas que aprende a mantener el equilibrio incluso cuando el peso se coloca sobre su espalda.
La necesidad de un conocimiento general de la máquina para navegar tanto en el manual como en los obstáculos se basa en el mismo proceso de aprendizaje automático y educación de refuerzo profundo. Comprende los parámetros de la tarea establecida ante la IA en un entorno simulado y presenta enfoques sobre cómo proceder cuando se proporciona nueva información. Esto significa aprovechar la experiencia acumulada y probar una estrategia que prediga la situación actual. Y, lo que es más importante, aprender cómo la IA intenta realizar la tarea en la vida real.
En la simulación, un robot puede subir una colina y luego tropezar con algunos bloques de cemento al otro lado. En la vida real, ese robot puede subir a la cima de una colina y luego enfrentarse a un tronco caído. Gracias al tropiezo en la simulación, el robot puede navegar por la misma situación sin tropezar.
[Related: A new tail accessory propels this robot dog across streams]
Al aprender lo que no funciona y, lo que es más importante, al aprender y repetir lo que funciona, DARPA conducirá una máquina a través de un trabajo familiar en entornos desconocidos en los que la IA está trabajando para desarrollar. Aunque Shrove habla de niños, también es una adaptación común al mundo que esperamos de los adultos, especialmente de los adultos jóvenes que se unen a las fuerzas armadas y luego esperan que no tengan los trabajos de capacitación que necesitan en diferentes países del mundo. Lo escuché incluso antes de venir.
Aunque la idea de Shrobe, un técnico de robots totalmente capaz, aún está muy lejos, los equipos están trabajando para desarrollar y evaluar los pasos de los componentes a través del programa Machine Common Sense de DARPA. Esto significa no solo repetir el texto en un manual o demostrar que un robot puede caminar sobre un terreno irregular, sino también probar si la IA puede crear oraciones consistentes en una prueba de idioma o si el robot puede caminar repentinamente sobre un terreno irregular. Se vuelve pegajoso con aceite.
Un claro ejemplo de todo esto es entrenar una simulación de IA para que los niños pasen el mismo tipo de test para ver si han creado el concepto anterior de estabilidad de objetos.
«Muestras un objeto rodando detrás de la pantalla, y luego nunca sale. Y ahora puedes preguntarle al sistema de IA, ¿puedes encontrar el objeto? Y si navega en un entorno simulado para ir detrás de la pantalla, puedes atrapar que tiene la estabilidad del objeto, porque asume que la cosa está rodando detrás de la pantalla y se queda allí, en lugar de rodar detrás de la pantalla y cerrarse existente”, dijo Arbusto.
Intente señalar un robot de cuatro patas en el terreno debajo de la IA:
