Het is waarschijnlijk dat over niet al te lange tijd, robots zullen in het huis zijn om voor ouderen te zorgen en hen te helpen zelfstandig te wonen. Om dat te doen, ze zullen moeten leren hoe ze alle kleine klusjes moeten doen die we misschien kunnen doen zonder na te denken. Veel moderne AI-systemen zijn getraind om specifieke taken uit te voeren door duizenden geannoteerde afbeeldingen van de uitgevoerde actie te analyseren. Hoewel deze technieken helpen om steeds complexere problemen op te lossen, ze concentreren zich nog steeds op zeer specifieke taken en hebben veel tijd en verwerkingskracht nodig om te trainen.

Als een robot moet helpen zorgen voor mensen op hoge leeftijd, dan zal het scala aan problemen dat hij in huis tegenkomt enorm variëren in vergelijking met deze trainingssituaties. In de loop van een dag, Van robots mag worden verwacht dat ze alles doen, van een kopje thee zetten tot het verschonen van het beddengoed tijdens een gesprek. Dit zijn allemaal uitdagende taken die uitdagender zijn wanneer ze samen worden geprobeerd. Geen twee huizen zullen hetzelfde zijn, wat betekent dat robots snel zullen moeten leren en zich moeten aanpassen aan hun omgeving. Zoals iedereen die een huis deelt zal waarderen, de objecten die je nodig hebt, zullen niet altijd op dezelfde plaats worden gevonden - robots zullen moeten nadenken om ze te vinden.

Eén benadering is het ontwikkelen van een robot die in staat is tot levenslang leren en die kennis kan opslaan op basis van ervaringen, en uit te werken hoe deze aan te passen en toe te passen op nieuwe problemen. Na het leren maken van een kopje thee, dezelfde vaardigheden kunnen worden toegepast op het maken van koffie.

De beste leerstof die wetenschappers kennen, is de menselijke geest, die in staat is om gedurende zijn hele leven te leren - zich aan te passen aan complexe en steeds veranderende omgevingen en dagelijks een breed scala aan problemen op te lossen. Modelleren van hoe mensen leren, zou kunnen helpen bij het ontwikkelen van robots waarmee we op natuurlijke wijze kunnen communiceren, bijna zoals hoe we zouden omgaan met een andere persoon.

De ontwikkeling van een kind simuleren

De eerste vraag die je moet stellen als je begint met het modelleren van mensen, is:waar te beginnen? Alan Turing, de beroemde wiskundige en denker over kunstmatige intelligentie zei ooit:"In plaats van te proberen een programma te maken om de volwassen geest te simuleren, waarom niet liever proberen er een te maken die die van het kind simuleert? Als dit vervolgens aan een passende opleiding zou worden onderworpen, zou men het volwassen brein krijgen."

Hij vergeleek de hersenen van het kind met een leeg notitieboekje dat door middel van onderwijs kan worden gevuld om een ​​intelligent 'systeem voor volwassenen' te ontwikkelen. Maar wat is de leeftijd van een menselijk kind dat wetenschappers zouden moeten proberen te modelleren en in robots te installeren? Welke initiële kennis en vaardigheden heeft een robot nodig om mee te beginnen?

Pasgeboren baby's zijn zeer beperkt in wat ze kunnen doen en wat ze kunnen waarnemen van de wereld om hen heen. De spierkracht in de nek van een baby is niet voldoende om het hoofd te ondersteunen en ze hebben nog niet geleerd hun armen en ledematen te beheersen.

Beginnen bij maand nul lijkt misschien erg beperkend voor een robot, maar de fysieke beperkingen van de baby helpen hem in feite om zijn leren te concentreren op een kleine subset van problemen, zoals leren om zijn ogen te coördineren met wat het hoort en ziet. Deze stappen vormen de beginfase van een baby die een model van zijn eigen lichaam opbouwt, voordat je alle complexiteiten van de wereld eromheen probeert te begrijpen.

We hebben een vergelijkbare reeks beperkingen op een robot toegepast door aanvankelijk verschillende gewrichten te blokkeren om te bewegen om de afwezigheid van spiercontrole te simuleren. We hebben ook de beelden van de cameravisie van de robot aangepast om de wereld te "zien" zoals een pasgeboren baby dat zou doen - een veel waziger beeld dan volwassenen gewend zijn. In plaats van de robot te vertellen hoe hij moet bewegen, we kunnen het toestaan ​​om dit zelf te ontdekken. Het voordeel hiervan is dat naarmate kalibraties in de loop van de tijd veranderen, of als ledematen beschadigd raken, de robot zal zich aan deze veranderingen kunnen aanpassen en blijven werken.

Spelenderwijs leren

Onze studies tonen aan dat door het toepassen van deze beperkingen op leren, niet alleen neemt de snelheid waarmee nieuwe kennis en vaardigheden worden aangeleerd toe, maar de nauwkeurigheid van het geleerde neemt ook toe.

Door de robot controle te geven over wanneer de beperkingen worden opgeheven - waardoor meer controle over zijn gewrichten ontstaat en zijn zicht verbetert - kan de robot zijn eigen leertempo bepalen. Door deze beperking op te heffen wanneer de robot zijn huidige leerruimte heeft verzadigd, we kunnen spiergroei bij zuigelingen simuleren en de robot in zijn eigen tempo laten rijpen.

We hebben gemodelleerd hoe een baby leert en de eerste 10 maanden van groei gesimuleerd. Terwijl de robot correlaties leerde tussen de motorische bewegingen die ze maakten en de sensorische informatie die ze ontvingen, stereotiep gedrag waargenomen bij zuigelingen, zoals "handbeschouwing" - waarbij kinderen lange tijd naar hun handen staren terwijl ze bewegen - kwamen naar voren in het gedrag van de robot.

Terwijl de robot zijn eigen lichaam leert coördineren, de volgende belangrijke mijlpaal die het passeert, is de wereld eromheen beginnen te begrijpen. Spelen is een belangrijk onderdeel van het leren van een kind. Het helpt hen hun omgeving te verkennen, test verschillende mogelijkheden en leer de resultaten kennen.

aanvankelijk, dit kan zoiets simpels zijn als met een lepel tegen een tafel bonzen, of proberen verschillende voorwerpen in hun mond te stoppen, maar dit kan zich ontwikkelen tot het bouwen van torens van blokken, bijpassende vormen of het steken van objecten in de juiste gaten. Al deze activiteiten bouwen ervaringen op die later de basis zullen vormen voor vaardigheden, zoals het vinden van de juiste sleutel die in een slot past en de fijne motoriek om de sleutel in het sleutelgat te steken en vervolgens te draaien.

In de toekomst, voortbouwen op deze technieken zou robots de middelen kunnen geven om te leren en zich aan te passen aan de complexe omgevingen en uitdagingen die mensen in het dagelijks leven als vanzelfsprekend beschouwen. Op een dag, het kan robotverzorgers betekenen die net zo goed zijn afgestemd op de menselijke behoeften en deze kunnen vervullen als een ander mens.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.