Η καναδική startup Kindred AI «εκπαιδεύει» ρομπότ να κάνουν δύσκολες εργασίες που απαιτούν υψηλή δεξιοτεχνία με μεγάλη ταχύτητα, βάζοντάς τα να συνεργάζονται με ανθρώπους- «πιλότους», που φορούν σετ εικονικής πραγματικότητας και χρησιμοποιούν ειδικά χειριστήρια που ανιχνεύουν την κίνηση.
Η συγκεκριμένη τεχνολογία παρέχει μια ιδιαίτερα ενδιαφέρουσα εικόνα όσον αφορά στο πώς άνθρωποι θα μπορούσαν να λειτουργούν σε στενή συνεργασία και συγχρονισμό με μηχανές στο μέλλον, με τις δυνατότητες και δεξιότητές τους να ενισχύουν αυτές των αυτοματοποιημένων συστημάτων. Η εταιρεία επέδειξε το συγκεκριμένο hardware στο ΜΙΤ Technology Review την προηγούμενη εβδομάδα και υποστηρίζει πως στα σχέδιά της περιλαμβάνεται έναρξη διάθεσης ενός προϊόντος στο εμπόριο μέσα στους επόμενους μήνες. Ωστόσο, μακροπρόθεσμα, οι φιλοδοξίες της είνια πολύ μεγαλύτερες, προσβλέποντας σε μια νέα γενιά ισχυρότερης τεχνητής νοημοσύνης.
Η Kindred δημιουργήθηκε από άτομα από την D-Wave, μια εταιρεία quantum computing στον Καναδά, και προς το παρόν δοκιμάζει συμβατικούς ρομποτικούς βραχίονες ικανούς να πιάνουν και να βάζουν σε θέσεις αντικείμενα που θα μπορούσαν να είναι δύσκολα στη μεταχείριση, όπως μικρών αντικειμένων ή ρούχων, με μεγαλύτερη ταχύτητα και αξιοπιστία από ό,τι είναι ο κανόνας αυτή τη στιγμή. Οι βραχίονες μπορούν να το κάνουν αυτό ζητώντας περιστασιακά τη βοήθεια μιας ομάδας ανθρώπων, που χρησιμοποιούν hardware εικονικής πραγματικότητας για να βλέπουν τι χρειάζεται και να παίρνουν προσωρινά τον έλεγχο.
«Ο πιλότος μπορεί να δει, ακούσει και νιώσει αυτά που το ρομπότ βλέπει, ακούει και νιώθει. Όταν ο πιλότος δρα, οι ενέργειές του κινούν το ρομπότ» λέει ο Τζόρντι Ρόουζ, συνιδρυτής και διευθύνων σύμβουλος της Kindred. «Αυτό μας επιτρέπει να δείχνουμε στα ρομπότ πώς να ενεργούν σαν άνθρωποι. Οι άνθρωποι δεν είναι γρηγορότεροι ή καλύτεροι σε όλους τους τομείς του ελέγχου των ρομπότ…αλλά είναι ακόμα καλύτεροι στο να κατανοούν δύσκολες ή απρόβλεπτες καταστάσεις».
Το σύστημα χρησιμοποιεί αλγορίθμους machine learning και προσπαθεί να προβλέψει αν ένας από αυτούς θα έχει το επιθυμητό αποτέλεσμα, όπως το πιάσιμο ενός αντικειμένου. Αν κανένας δεν φαίνεται να παρέχει υψηλό ποσοστό επιτυχίας, ζητά τη βοήθεια των ανθρώπων. Επίσης, οι αλγόριθμοι μαθαίνουν από τις ενέργειες του ανθρώπου χειριστή: Για να το πετύχει αυτό, η εταιρεία χρησιμοποιεί ένα είδος reinforcement learning, μια προσέγγιση που περιλαμβάνει πειραματισμό και την ενίσχυση συμπεριφοράς που οδηγά στην επίτευξη ενός συγκεκριμένου στόχου.
Σύμφωνα με τον Ρόουζ, το σύστημα μπορεί να πιάνει μικρά αντικείμενα ή ρούχα σχεδόν δύο φορές πιο γρήγορα από έναν άνθρωπο που δουλεύει μόνος του, ενώ ένα ρομπότ που θα λειτουργούσε μόνο του θα ήταν αναξιόπιστο. Ακόμη, ένας «πιλότος» μπορεί να χειρίζεται πολλαπλά ρομπότ ταυτόχρονα.
Όπως πρόσθεσε ο Ρόουζ, η Kindred εξερευνά διάφορα συστήματα που περιλαμβάνουν άνθρωπο στο «κύκλωμα», από απλά, όπου ένας άνθρωπος απλά κάνει κλικ σε μια εικόνα για να δείξει στο ρομπότ πού πρέπει να πιάσει κάτι, μέχρι εξωσκελετούς που επιτρέπουν τον έλεγχο ενός ανθρωποειδούς ρομπότ.
