O Google tem trabalhado recentemente no campo da chamada "robótica em nuvem". Este é um fenômeno em que robôs, tendo aprendido a realizar qualquer ação de forma independente, podem compartilhar sua "experiência" com outros robôs, simplesmente transmitindo informações por qualquer meio de comunicação disponível. Este princípio de ensino permite evitar o momento da reprogramação, ou, por assim dizer, do “retreinamento”, ao definir novas tarefas para a técnica.
A essência da “robótica em nuvem” é a seguinte: é baseada em redes neurais que determinam e armazenam a sequência de ações realizadas, são responsáveis pelos processos de automatismo e transferência de informação. Em geral, para tudo o que chamamos de experiência. Robôs baseados em redes neurais podem definir qualquer tarefa, e o cérebro artificial encontrará suas próprias soluções. No futuro, ao realizar essas ações várias vezes, o robô desenvolverá um algoritmo ótimo que poderá transferir para outras máquinas, e elas o usarão e aprimorarão, não partindo do zero sempre.
Cientistas do Google Research testaram seu algoritmo em três tipos de robôs que realizam diferentes tarefas: abrir portas, estudar objetos em uma bandeja e uma versão modificada do primeiro experimento, quando o robô não era treinado independentemente, mas era controlado por uma pessoa com a tarefa subsequente de aprimorar as habilidades.
No primeiro caso, o carro demorou muito para entender que para abrir a porta é preciso agarrar a maçaneta, girar e empurrar a porta. Mas todos os robôs subsequentes usaram esse algoritmo, pulando o momento de treinamento.
No experimento com a bandeja, as máquinas foram deixadas a si mesmas e por várias horas estudaram as relações causais entre os objetos (por exemplo: chaleira - xícara - açúcar: o que fazer com isso só é óbvio para nós, os robôs tiveram que "aprender").
O experimento número três, após treinar o robô pelo operador, ficou à mercê da "consciência coletiva", que rapidamente encontrou em conjunto as soluções ótimas, diferindo nas diferentes posições iniciais dos manipuladores e no resultado final, que acelerou a manipulação.
O momento mais interessante foi quando um dos robôs foi forçado a abrir uma porta na qual estava instalado um tipo de maçaneta completamente diferente. A máquina fez um excelente trabalho.
Por que tudo isso é necessário, além de construir teorias sobre o levante das máquinas? É simples: esta aceleração do processo de aprendizagem permitirá que os robôs industriais comecem a realizar tarefas complexas muito mais rápido do que com a abordagem tradicional.
Vídeo promocional:
VLADIMIR KUZNETSOV
