Сейчас ученые разрабатывают модели, позволяющие роботам учиться на своем опыте. Учитывайте это, потому что глубокое обучение приведет к значительным усовершенствованиям, пишет на портале InformationWeek вице-президент Canonical Group по устройствам и Интернету вещей Том Кеннинг.

В конце марта ученые из Google, Принстонского и Колумбийского университетов и Массачусетского технологического института продемонстрировали робота TossingBot, который может учиться хватать и бросать случайные предметы вроде бананов или шариков для пинг-понга в коробки, находящиеся за пределами запрограммированной дальности, и повышать производительность посредством самообучения.

«Данный робот, как и многие другие, призван справляться с динамикой неструктурированного мира, — отметил студент-исследователь Google Энди Цзэн. — Но могут ли роботы не просто справляться с динамикой, а учиться использовать ее с выгодой для себя, развивая „интуитивное понимание“ физического мира, которое позволит им более эффективно решать поставленные задачи?». Благодаря глубокому обучению, продолжил он, «наши роботы могут обучаться на опыте вместо того, чтобы полагаться на проектирование действий вручную для каждого конкретного случая».

Анонс TossingBot представляет интерес, потому что иллюстрирует, в какой мере глубокое обучение способно совершенствовать действия робота в реальном мире, далеко выходящие за пределы игры. Становясь все более сложной, робототехника готовится преобразовать различные отрасли, включая промышленность, здравоохранение, транспорт и сельское хозяйство. Поэтому CIO и другим ИТ-руководителям стоит внимательно за ней следить.

Согласно KPMG, роботизация бизнес-процессов — одна из десяти главных технологий для озабоченных трансформацией бизнеса CIO. «Такие технологии автоматизации как искусственный интеллект, роботизация бизнес-процессов и физические роботы, предоставляют CIO шанс помочь своей компании переосмыслить модель бизнеса и усилить одержимость интересами клиентов. Вместо того, чтобы видеть в автоматизации способ снижения затрат, одержимые интересами клиентов CIO рассматривают эти технологии как инструменты перестройки обслуживания клиентов», — утверждает Forrester.

Если обучение роботов выполнению задач на основе заданного набора инструкций столь же старо, как сама робототехника, то способность роботов постепенно учиться, используя различные уровни данных и алгоритмы глубокого обучения, является поистине футуристической.

Возможно, будет натяжкой утверждать, что роботы с глубоким обучением, дающим возможность учиться на примерах, а не выполнять предназначенные для решения конкретной задачи инструкции, приобрели интеллект, подобный интеллекту человека. Данная технология еще не настолько созрела. Но ее вполне можно сравнивать с интеллектом животных по способности распознавать образы и на лету приспосабливаться к окружающей среде.

Скажем так. Если TossingBot способен воспроизвести движения человека благодаря пониманию, как надо бросать случайные предметы в коробку с учетом их различий по форме, размеру и массе, и разрабатывать собственные стратегии броска методом проб и ошибок, он еще не настолько умен как вы, но уже настолько, как ваша кошка.

Идея самообучающихся роботов может напомнить о HAL, вышедшем из-под контроля компьютере из блокбастера «2001: космическая Одиссея». Но имеется достаточно вариантов полезного использования данной технологии.

Возьмем для примера сельское хозяйство. В середине марта федеральный суд присяжных в Сан-Франциско единогласно решил, что гербицид Roundup явился «существенным фактором», вызывающим у человека неходжкинскую лимфому. Это второй вердикт в США с августа прошлого года, устанавливающий связь между глифозатом, основным ингредиентом Roundup, и раком.

Пестициды присутствуют в любых пищевых продуктах, потому что сегодня обычной практикой является обработка ими целых полей. Роботы, обладающие способностью к глубокому обучению, способны весь день патрулировать ферму и быстро определять, какие растения здоровы, а какие нуждаются в пестицидах, и обрабатывать только последние. Это кардинально более эффективный способ применения пестицидов, который резко сокращает их распыляемое количество. Британская компания Small Robot предлагает набор роботов, предназначенных именно для такой цели.

Другими сферами, где могут найти применение «умные» роботы, являются строительство (например, при возведении небоскребов, когда ветер и другие условия представляют собой сложные переменные), промышленное производство (где они могут быть более точными при выявлении брака), здравоохранение (в качестве виртуальных помощников хирурга) и служба спасения (для которой дорога каждая секунда).

Но не надо заблуждаться, выпуск таких роботов — непростая задача. Программирование глубокого обучения для робототехники является сложным по ряду причин, но главным образом из-за большого объема данных, высокой скорости их передачи и ограничений, накладываемых вычислительной мощностью. CIO и другие ИТ-руководители должны помнить об этом, прежде чем выделять драгоценные ресурсы. Однако TossingBot показывает, что ученые разрабатывают ультрасовременные модели, которые позволяют роботам учиться на опыте, а не действовать по инструкциям программистов.

Вскоре СМИ будут трубить об успехах роботов. Количество общедоступных наборов данных для глубокого обучения продолжает расти. Это помогает экспертам преодолевать барьеры на пути составления карт для роботов и организации их перемещений, что требует мощной системы сбора и обработки информации и действий в реальном времени.

Дополнительную помощь окажет Robot Operating System — набор программных библиотек и инструментов, призванный упростить создание роботов. А Amazon Deep Racer представляет собой автономную платформу разработки перемещений, которая позволяет разработчикам изучать методы машинного обучения, способные обрабатывать очень сложное поведение.

CIO и другие ИТ-руководители, которые считают, что использующие глубокое обучение роботы могут им помочь, должны культивировать крайнюю любознательность по отношению к данной технологии, экспериментировать со свободно доступными моделями и изучать бесплатные учебники. Не обязательно быть экспертом по глубокому обучению или иметь многолетний опыт в этой области. Глубокое обучение находится в начальной стадии развития, поэтому все мы являемся студентами.