211service.com
Wikipedia para robots
Los seres humanos han ganado mucho valor organizando todo su conocimiento y haciéndolo ampliamente accesible, en libros de texto, bibliotecas, Wikipedia y YouTube, por nombrar algunos ejemplos. Estos conjuntos de conocimientos no son valiosos solo para las grandes empresas científicas, sino también para las cosas triviales de la vida humana cotidiana: puede encontrar fácilmente miles de videos de YouTube que le enseñarán cómo cocinar una tortilla.
Ashutosh Saxena
Ahora vivimos en un mundo donde los robots ayudan a los humanos en su vida diaria y, al igual que los humanos, los robots necesitan aprender nuevas habilidades para hacer su trabajo con éxito. Y no deberíamos esperar que un robot aprenda por sí solo desde cero, más de lo que esperaríamos que lo haga un humano: imagine a un niño que crece sin acceso a libros de texto, bibliotecas o Internet.
Sin embargo, las colecciones organizadas de conocimiento que funcionan para los humanos no son tan buenas para los robots. Un robot no obtendría mucha información útil si consultara un motor de búsqueda sobre cómo traer té dulce de la cocina. Los robots requieren algo diferente: acceso a detalles más finos para la planificación, el control y la comprensión del lenguaje natural. Cuando se le pida que traiga té dulce, el robot necesitaría acceso al conocimiento para interpretar los símbolos del lenguaje (té) en términos de entidades físicas (un recipiente particular que tiene té dulce), el conocimiento espacial de que el té dulce puede estar sobre una mesa o en una nevera, y el conocimiento para inferir cómo agarrar y manipular objetos. Es posible programar manualmente una demostración para una situación en particular, pero manejar esto en diferentes tareas y en diferentes entornos sigue siendo un problema abierto.
En 2014, comencé un proyecto llamado RoboBrain en la Universidad de Cornell junto con los estudiantes de doctorado Ashesh Jain y Ozan Sener. Ahora tenemos colaboradores en Stanford y Brown. En lo que estamos trabajando es en una forma de compartir información que permita a los robots recopilar cualquier conocimiento que necesiten para una tarea (ver Robots que se enseñan unos a otros). Si un robot aprende, el conocimiento se propaga a todos los robots. RoboBrain logra esto reuniendo el conocimiento de una variedad de fuentes. El sistema almacena múltiples tipos de información, incluidos símbolos, lenguaje natural, características visuales o de forma, propiedades hápticas y movimientos.
Este enfoque representa un gran cambio en el pensamiento. Históricamente, los grupos de investigación que trabajan con robots han entrenado a sus robots de forma aislada. Sí, a menudo compartimos ideas a través de publicaciones y software que puede usar otro grupo de investigación, pero lo que un robot podría aprender no ha sido accesible para el robot de otro investigador. Para empeorar el problema, los grupos de investigación han estado trabajando en diferentes problemas: uno podría haberse centrado en el problema de la visión por computadora de identificar una taza, mientras que otro trabajó en el problema del lenguaje de qué es una taza, mientras que un tercero abordó cómo agarrar una taza. taza.
Ese es el tipo de enfoque que necesitamos superar. Una taza es un objeto, no tres. Y un robot, al igual que una persona, necesita poder tener todo el conocimiento que necesita en un solo lugar.
Ashutosh Saxena es el director del proyecto RoboBrain y el fundador y CEO de la startup Brain of Things. .