211service.com
Lo que los robots pueden aprender de los bebés
Los niños aprenden rápidamente a predecir lo que sucederá si dan la vuelta a un vaso lleno de jugo. Los robots, por otro lado, no tienen ni idea.
Investigadores del Instituto Allen de Inteligencia Artificial (Ai2 ) en Seattle han desarrollado un programa de computadora que muestra cómo las máquinas determinan cómo se comportarán probablemente los objetos capturados por una cámara. Esto podría ayudar a que los robots y otras máquinas sean menos propensos a errores, y podría ayudar a los autos autónomos a navegar escenas desconocidas de manera más segura.
El sistema, desarrollado por Roozbeh Mottaghi y colegas, extrae conclusiones sobre las propiedades físicas de una escena utilizando una combinación de aprendizaje automático y modelado 3D. Los investigadores convirtieron más de 10.000 imágenes en escenas representadas en un formato simplificado utilizando un motor de física 3D. Las representaciones en 3D fueron creadas por voluntarios a través de la plataforma de crowdsourcing Mechanical Turk de Amazon.
Los investigadores introdujeron las imágenes y sus representaciones tridimensionales en una computadora que ejecutaba una gran red neuronal de aprendizaje profundo, que gradualmente aprendió a asociar una escena particular con ciertas fuerzas y movimientos simples. Cuando al sistema se le mostraron imágenes desconocidas, podría sugerir las diversas fuerzas que podrían estar en juego.
No funciona a la perfección, pero la mayoría de las veces la computadora sacará una conclusión sensata. Para una imagen de una engrapadora sentada en un escritorio, por ejemplo, el programa puede decir que la engrapadora se deslizaría por el escritorio y luego caería abruptamente al suelo. Para una imagen de una mesa de café y un sofá, sabe que la mesa se puede empujar por el suelo hasta llegar al sofá.
El objetivo es aprender la dinámica del motor de física, dice Mottaghi. Necesita inferir todo basándose solo en la imagen que ve.
El trabajo podría ser especialmente útil para los robots que necesitan interpretar rápidamente una escena y luego actuar en ella. Incluso un robot equipado con un escáner 3-D a menudo necesitaría inferir la física de la escena que percibe. Y sería poco práctico que un robot aprendiera a hacer todo a través de prueba y error. La recopilación de datos para esto es muy difícil, dice Mottaghi. Si llevo mi robot a una tienda, no puede empujar objetos ni recopilar datos; sería muy costoso.
Este programa es parte de un esfuerzo mayor llamado Proyecto Platón , destinado a dotar a las máquinas de una inteligencia visual que va más allá del simple reconocimiento y categorización de objetos. Un proyecto relacionado, también parte del Proyecto Platón, permite que una computadora reconozca una fuerza física que ya está en juego: por ejemplo, cómo un esquiador se movería montaña abajo, o cómo una pelota de fútbol pateada volaría por el aire.
En los últimos años, las computadoras han mejorado mucho en el análisis de imágenes, gracias a los avances en el aprendizaje profundo, hardware más potente y grandes conjuntos de datos de imágenes etiquetadas. Después de recibir muchos ejemplos, las computadoras ahora pueden describir o responder preguntas sobre una escena (consulte El software inspirado en el cerebro de Google describe lo que ve en imágenes complejas y la aplicación de Facebook puede responder preguntas básicas sobre lo que hay en las fotos). Pero esto delata una comprensión muy superficial de lo que sucede en una imagen. Para una comprensión más profunda, una computadora necesita comprender cómo funciona el mundo físico.
lago brenden , un investigador de la Universidad de Nueva York que se especializa en modelar las capacidades cognitivas humanas, dice que el trabajo de Ai2 es un paso importante en esa dirección.
La verdadera comprensión de la escena requiere mucho más que solo reconocer objetos, dice Lake. Cuando las personas ven una instantánea de una escena, cuentan una historia: qué son los objetos, por qué están allí y qué sucederá a continuación. Comprender la física es una parte clave para contar esta historia.
Sin embargo, según Lake, hay mucho más razonamiento involucrado en la percepción humana, algo que podría retrasar el progreso en robótica y visión artificial por un tiempo todavía. Si bien este es un progreso emocionante, aún no rivaliza con nuestra capacidad humana para comprender la física, dice. Las personas pueden comprender una gama mucho más amplia de eventos físicos y pueden predecir con precisión eventos físicos en tipos de escenas completamente novedosas.