Οι ερευνητές της Google σε συνεργασία με δύο ακόμη πανεπιστήμια, παρουσίασαν την έρευνα τους σχετικά με ένα τετράποδο ρομπότ, το οποίο μέσω τεχνητής νοημοσύνης κατάφερε να διδάξει στον εαυτό του πώς να περπατάει.
Οι ερευνητές του προγράμματος αποφάσισαν να δώσουν στο μικρό αυτό ρομπότ το όνομα: Rainbow Dash (σ.σ. το ουράνιο τόξο που τρέχει), επηρεασμένο από τον χαρακτήρα της ταινίας «Μικρό μου πόνυ».
Το ρομπότ χρησιμοποιεί μια μέθοδο τεχνητής νοημοσύνης η οποίο ονομάζεται «βαθιά μάθηση ενίσχυσης».
Αυτή η διαδικασία συνδυάζει τη βαθιά μάθηση, με την ταυτόχρονη ενίσχυση της. Με την ενίσχυση της μάθησης, ένας αλγόριθμος μαθαίνει πώς να εκτελέσει μια εργασία μέσω δοκιμής και λάθους, όπου λαμβάνει ανταμοιβές και τιμωρίες ανάλογα με το πόσο κοντά στην επίτευξη του στόχου του έχει φτάσει.
Η βαθιά εκμάθηση επιτρέπει στα συστήματα να επεξεργάζονται και να αξιολογούν πρωτογενή δεδομένα από το περιβάλλον τους, όπως αναφέρει το Bussiness Insider.
Ο ερευνητής Jie Tan ότι η έρευνα χρειάστηκε περίπου ένα χρόνο για να ολοκληρωθεί.
«Μας ενδιαφέρει να επιτρέψουμε στα ρομπότ να πλοηγηθούν σε ποικίλα και πολύπλοκα περιβάλλοντα του πραγματικού κόσμου. Είναι δύσκολο να κατασκευάσεις χειροκίνητα έναν ελεγκτή μετακίνησης που μπορεί να χειριστεί μια τέτοια πολυμορφία και πολυπλοκότητα. Η μάθηση είναι αυτόματη, απαιτεί λίγες προϋπάρχουσες γνώσεις. Πιστεύουμε ότι για αυτά τα ρομπότ τα οποία προορίζονται για τον πραγματικό κόσμο, η ικανότητα μάθησης από μόνη της είναι ζωτικής σημασίας» σχολίασε.
Οι ερευνητές δοκίμασαν το ρομπότ σε διάφορα περιβάλλοντα, σε ίσιο πάτωμα, με κλίση αλλά και με εμπόδια. Το ρομπότ χρειάστηκε περίπου 4,5 ώρες για να μάθει πώς πρέπει να κινηθεί.
Το Rainbow Dash ωστόσο δέχθηκε μια μικρή παρέμβαση από τους ερευνητές, τουλάχιστον σε περιπτώσεις που έπεφτε ή έχανε το δρόμο του.
Ο Tan βλέπει τα ρομπότ με πόδια να γίνονται όλο και πιο χρήσιμα. «Τα ρομπότ με πόδια θα έχουν μεγάλη κινητικότητα, θα μπορούν να περπατούν σε όλα τα μέρη που μπορούν να πάνε οι άνθρωποι, καθώς και σε περιβάλλοντα που ο άνθρωπος δεν μπορεί», ανέφερε.
«Τώρα είναι ακόμα οι πρώτες μέρες της έρευνας. Στη συνέχεια, σχεδιάζουμε να δοκιμάσουμε το σύστημα εκμάθησης μας σε ένα ευρύ φάσμα ρομπότ και σε ένα διαφορετικό περιβάλλον», πρόσθεσε ο Tan.