Çoğu zaman manşetlere çıkan robotlar, çok kontrollü bir laboratuvarda çok özel bir şey yapan ve ardından bunun bir şekilde her şeyi değiştireceğine dair bir söz veren bir makineye indirgenir.
Normalde onları görmezden gelirim çünkü bilim kurgu romanlarının başlangıcından beri robotların insanlığı ele geçirdiğini duyuyoruz ve dürüst olmak gerekirse hiçbir şey meyvesini vermiyor gibi görünüyor.
Araştırmacılar, bir robota, her biri tek bir gösteriyle, tek bir günde 1000 farklı fiziksel görevi öğrenmeyi öğretmeyi başardılar. Aynı hareketin 1000 varyasyonu da değil. Gerçek dünyada öğeleri yerleştirme, katlama, ekleme, kavrama ve manipüle etme gibi günlük nesne etkileşimlerinin büyük bir karışımından bahsediyoruz. Robotlar için bu gerçekten büyük bir olay.
Robotlar neden genellikle yeni numaralar öğrenmede başarısızdır?
Şimdiye kadar çoğu robot acı verici derecede yavaş öğreniyordu. Bir makineye basit bir görevi bile yapmayı öğretmek, genellikle yüzlerce veya binlerce tekrarlanan gösteriyi, çok büyük veri kümelerini ve mühendislerin sahne arkasında birçok ince ayar yapmasını gerektirir.
Bu yüzden fabrikalarda gördüğünüz çoğu robot tek bir şeyi tekrar tekrar çok iyi yapıyor. Uyarlanamazlar çünkü elinizdeki görevi değiştirdiğiniz anda çatlaklar ortaya çıkmaya başlar ve her şey dağılır.
Ama bir insan bu şekilde çalışmaz. Bana bir şeyin nasıl yapılacağını bir, belki iki kez gösterirseniz, genellikle işleri karıştırıp kendi başıma tamamlayabilirim.
İnsanların öğrenmesi ile robotların öğrenmesi arasındaki bu fark, robotların sıkı kontrol edilen ortamlar dışında gerçekten kullanışlı olmasını engelleyen en büyük engellerden biri olmuştur; ancak bu yeni sistem, bu açığı kapatmaya yönelik bir girişimdir.
Robotlara öğretmenin yeni bir yolu
Buradaki atılım, esasen robotlara görevler hakkında daha akıllıca düşünmeyi öğreten yeni bir öğrenme yönteminden geliyor. Robot, tüm hareketleri sıfırdan ezberlemek yerine, eylemleri daha basit aşamalara böler.
Robot, önceki görevlerden elde edilen bilgiyi yeniden kullanarak ve bunu yeni görevlere uygulayarak çok daha verimli bir şekilde genelleştirebiliyor; bu, her biri için yalnızca bir demo ile 24 saatten kısa bir sürede 1.000 görevi öğrenmeyi başardı.
En önemlisi, bunların hepsi gerçek bir robot üzerinde gerçekleşti kololumlu sonuçlar üretmek için tasarlanmış bir simülasyonda değil; bu raporla ilgilenmemin ve onu hepinizle paylaşmak istememin nedeni kısmen bu.
Bu neden önemli?
Bu makaleyi yazarken, varsayımsal bir robot ayaklanmasından ziyade en yeni iPhone’la ilgilenen her zamanki izleyici kitlem için laboratuvar robotlarını ilgi çekici hale getirmenin ne kadar zor olduğunu fark ettim.
Bununla birlikte, robotların öğretilmesindeki bu gelişmenin gelecek için hepimizi etkileyecek önemli etkileri olabilir.
Robotlar daha hızlı ve daha az veriyle öğrenebilirlerse daha ucuz, daha esnek ve çok daha pratik hale gelirler.
Uzun vadede, bu tür bir öğrenme, her yeni görevi yerine getirmesini istediğinizde uzman programlama gerektirmeyen ev robotlarının ortaya çıkmasına yol açabilir ve bu robotların ideal sürümünü etkili bir şekilde getirebilir. Yeni 1X hayata. Aynı zamanda sağlık, lojistik ve imalat gibi sektörleri de dönüştürebilir.
Daha geniş anlamda, bu, yapay zekanın parti hilelerinden uzaklaşıp daha insana benzer yollarla öğrenen sistemlere doğru ilerlediğinin bir başka işareti. Bizden daha akıllı değil ama günlük çalışma şeklimize daha yakın.
Robot bilimindeki bu gelişme, robot bilimini onlarca yıldır geride bırakan bir sorunu çözüyor. Belki de robotlarla dolu bir geleceğe, birkaç yıl önce hayal edebileceğimizden daha yakınız.
TechRadar’ı Google Haberler’de takip edin Ve bizi tercih edilen kaynak olarak ekleyin Akışlarınızda uzman haberlerimizi, incelemelerimizi ve görüşlerimizi almak için. Takip Et butonuna tıklamayı unutmayın!
Ve tabii ki siz de yapabilirsiniz TechRadar’ı TikTok’ta takip edin haberler, incelemeler ve video biçimindeki kutu açma işlemleri için bizden düzenli olarak güncellemeler alın WhatsApp fazla.
Her bütçeye uygun en iyi iş dizüstü bilgisayarları