Print

Dopad umělé inteligence na odvětví robotiky

-- 23.07.18

Výzkumníci a výrobci učí roboty, jak zvládat složité úkony pomocí umělé inteligence (AI), nicméně jejich schopnosti zůstávají pozadu za představami lidí o tom, co roboty dokážou. Umělá inteligence je nyní definována obecněji, než tomu bylo dříve, což může vytvářet určité nedorozumění. 

Výzkumníci a podnikatelé s desítkami let zkušeností z práce na umělé inteligenci se snaží pomoci lidem lépe porozumět její těžko uchopitelné povaze. Pracují na odstranění určitých zmatků a nesprávných představ o umělé inteligenci a ukazují, jak se využívá v robotice pro průmyslové aplikace.

„Myslím, že největší omyl se týká toho, jak daleko se již dostala,“ tvrdí Rodney Brooks, prezident a technický ředitel společnosti Rethink Robotics. „Na umělé inteligenci, tedy pod tímto označením, pracujeme od roku 1956, kdy její zakladatel John McCarthy začal termín ‚umělá inteligence‘ prosazovat, takže je to už zhruba 62 let. Je však mnohem komplikovanější než fyzika a fyzice to trvalo velmi dlouhou dobu. Domnívám se, že umělá inteligence je stále ještě v plenkách.“

Brooks má za to, že popularita umělé inteligence vychází z nedávných ohromujících mediálních prezentací antropomorfních a zvířaty inspirovaných robotů nebo divácky vděčných sportů, v nichž byly systémy umělé inteligence postaveny proti lidem, aby hrály šachy, Jeopardy!, stolní tenis a go. Umělá inteligence je zde, ale zatím dělá jen dětské krůčky.

Určité nepochopení vyplývá z toho, že lidé zaměňují výkonnost stroje za schopnosti. Když vidíme člověka provádět určitý úkon, můžeme předpokládat obecné schopnosti, tj. dovednosti a talent, které tato osoba musí mít, aby úkon prováděla. U umělé inteligence tomu tak není.

„Systém umělé inteligence může fantasticky hrát šachy, ale přitom vlastně ani neví, že hraje hru,“ upřesňuje Brooks. „Pleteme si výkonnost strojů s jejich schopnostmi. Když vidíme, že se program naučil něco, co se může naučit člověk, chybně si myslíme, že má stejně bohaté porozumění, jako máme my.“

Co umělá inteligence je a co není

Umělá inteligence se stala módním marketingovým pojmem. Podobně jako předtím u „robotu“ se nyní zdá, že všechno disponuje „umělou inteligencí“. Co umělá inteligence je a co není, je někdy těžké určit. Dokonce i odborníci se zdráhají s určitostí říct, co vlastně je či není umělá inteligence. Jak Rodney Brooks poznamenal, to, co bylo v 60. letech minulého století považováno za umělou inteligenci, se dnes vyučuje už v první lekci počítačového programování. Ale neříká se tomu umělá inteligence.

„V určité době se něčemu říká umělá inteligence,“ upozorňuje Brooks, „ale později se z toho stane pouze počítačová věda.“ Strojové učení a všechny jeho variace, včetně hlubokého učení, posilovaného učení a imitačního učení, jsou podmnožinami umělé inteligence.

„Umělá inteligence byla po určitou dobu velice úzkým polem. Někteří lidé ji velmi specificky zařazovali mezi techniky na bázi vyhledávání,“ přibližuje situaci Ken Goldberg, držitel čestné profesury pro oblast výzkumu průmyslové techniky a operací University of California (UC), Berkeley. „Nyní je pojem umělá inteligence obecně považován za zastřešující termín pro robotiku a strojové učení, takže teď zahrnuje celou řadu dílčích oborů.“

Vyspělé podoby počítačového vidění jsou určitou formou umělé inteligence. „Pouhá kontrola, zda je šroub na správném místě, tady byla už od 60. let minulého století. Nazývat to umělou inteligencí by bylo přehnané,“ upozorňuje Goldberg. „Ovšem systémy počítačového vidění, které umí rozpoznávat tváře pracovníků, už za umělou inteligenci obecně považujeme. To je mnohem sofistikovanější výzva.“

Nedostatečný kontext

Pro rozlišování mezi lidskou inteligencí a strojovou inteligencí je důležitý kontext. Jako lidé dokonale rozumíme světu kolem nás. Umělé inteligenci to chybí.

„Na kontextu v umělé inteligenci pracujeme již 60 let a zdaleka jsme ještě nedosáhli cíle,“ pokračuje Brooks, „proto se také neobávám, že bychom měli superinteligentní umělou inteligenci. V určitých velmi úzkých směrech jsme byli úspěšní a to je dnes něco revolučního, tyto úzké oblasti. Rozpoznávání řeči se bezesporu radikálně liší od toho, jaké bylo používáno před deseti lety. Dělával jsem si legraci, že v systémech rozpoznávání řeči můžete říct ‚2‘, abyste se dočkali zklamání. To už dnes neplatí.“

Jako příklad uvádí virtuální asistentku Alexu společnosti Amazon. Dalšími jsou Assistant společnosti Google a Siri od firmy Apple.

„Něco asistentce Alexe řeknete a ta to v podstatě pochopí, přestože hraje na pozadí hudba nebo v místnosti hovoří další lidé. Je úžasné, jak je dobrá, a vděčí za to hlubokému učení. Takže v některých z těchto úzkých oblastí došlo k výraznému zlepšení. Tyto úzké segmenty využijeme co nejlépe k vytváření lepších produktů,“ konstatuje Brooks.

„Když jsem zakládal společnost Rethink Robotics, zkoumali jsme všechny komerčně dostupné systémy rozpoznávání řeči. V té době jsme dospěli k závěru, že nemá smysl do robotů ve výrobních závodech zavádět jakékoli rozpoznávání řeči. Myslím, že nyní se to již změnilo. Může to mít smysl. Ale v roce 2008 tomu tak nebylo.“

Rozpoznávání řeči kompiluje správné řetězce slov. Brooks tvrdí, že přesné řetězce slov stačí k provádění spousty věcí, ale neznamenají stejnou chytrost, jakou disponuje člověk.

„V tom je ten rozdíl,“ dodává, „vytvořit řetězce slov je úzce zaměřená schopnost. A k tomu, aby nebyla tak úzká, zbývá ujít ještě obrovský kus cesty.“

Na základě těchto úzkých schopností vzniklo mnoho optimistických prognóz, co se týče umělé inteligence, které se na roli člověka v budoucnosti dívají dosti pesimisticky.

Výzkum umělé inteligence v reálném světě

Goldberg zdůrazňuje význam mnohosti před singularitou a podtrhuje důležitost vzájemné spolupráce pestré kombinace lidí a strojů při řešení problémů a inovování. Tato spolupráce je obzvlášť důležitá, když aplikace umělé inteligence opouštějí laboratoř a vstupují do reálného světa.

Pieter Abbeel, profesor oddělení elektrotechniky a počítačových věd UC Berkeley, který jako prezident a hlavní vědec týmu Embodied Intelligence pracuje na přinášení umělé inteligence do světa průmyslu, také zdůrazňuje význam vzájemné spolupráce lidí a strojů.

„Je to součástí výzvy,“ domnívá se Abbeel. „Jak jsou lidé schopni používat tuto technologii a využít ji co nejlépe, aby byli sami chytřejší, namísto toho, aby jen nechali tyto stroje být něčím od nás odděleným? Když jsou stroje součástí našich každodenních životů, zamýšlet se nad tím, co můžeme použít k tomu, abychom byli produktivnější, je skutečně vzrušující.“

I když je Abbeel nadšený z vyhlídek umělé inteligence, má za to, že určitá opatrnost je na místě.

„Jsme svědky dynamického pokroku, s čímž je spojeno velké nadšení z umělé inteligence. Pokud jde o obavy, domnívám se, že je dobré mít na paměti, že oblasti nejvýznamnějšího pokroku, jako je rozpoznávání řeči, strojový překlad a rozpoznávání, co je na obrázku, jsou příklady tzv. učení s učitelem (supervised learning).“

Abbeel předesílá, že je důležité znát různé typy vytvářené umělé inteligence. U strojového učení existují tři hlavní typy učení: učení s učitelem, učení bez učitele a posilované učení.

„Učení s učitelem je pouhým rozpoznáváním vzorů,“ vysvětluje Abbeel. „Jde o velmi obtížný vzor k rozpoznání, když přecházíte z řeči na text nebo z jednoho jazyka na jiný, ale tato umělá inteligence ve skutečnosti nemá žádný cíl nebo účel. Dejte jí něco v angličtině a řekne vám, co je to v čínštině. Dejte jí mluvenou větu a přepíše ji na sekvenci písmen. Je to jen přiřazování vzorů. Zadejte jí data – obrázky a značky – a jejím úkolem je naučit se vzor, jak se dostat z obrázku ke značce.“

„Učení bez učitele znamená, že dodáte pouze obrázky, avšak bez značek,“ pokračuje Abbeel. „Doufáte, že z pouhého zhlédnutí mnoha obrázků začne chápat, jak svět asi vypadá, a na základě budování tohoto porozumění se možná v budoucnu dokáže rychle naučit něco dalšího. Při učení bez učitele neexistuje žádný úkol. Jen dodáváte velké množství dat.“

„A pak je zde posilované učení, které je velmi odlišné, je zajímavější, ale mnohem těžší. (Posilované učení je údajně základem pokroku v oblasti technologie autonomně řízených vozidel.) V tomto případě zadáváte systému cíl. Cílem může být vysoké skóre ve videohře nebo vítězství v šachu anebo sestavení dvou dílů. Zde mohou mít tyto obavy své opodstatnění. Pokud dostane umělá inteligence nevhodný cíl, co se může stát? Jaké by tyto cíle měly být?“

Je důležité, aby se lidé a umělá inteligence nevyvíjeli izolovaně. Když stavíme stále chytřejší stroje, schopnosti nás lidí budou také rozšiřovány.

„Nedávný vývoj přinesl umělé inteligenci schopnost chápat, co na obrázcích vidí. V Embodied Intelligence na této oblasti pracujeme a to mne naplňuje velkým nadšením,“ reaguje Abbeel.

Hluboké učení pro robotické uchopování

Goldbergova laboratoř Autolab se věnuje umělé inteligenci již více než 10 let. Využívá ji v projektech v oblasti cloudové robotiky, hlubokého posilovaného učení, učení na základě předvedení a robustních technologií robotického uchopování a manipulace pro skladovou logistiku, domácí robotiku a chirurgickou robotiku.

Projekt Dexterity Network (Dex-Net) této laboratoře ukázal, že umělá inteligence může robotům pomoci učit se uchopovat objekty různých rozměrů i tvarů prostřednictvím nahrání milionů 3D modelů objektů, snímků a metrik pro jejich uchopování do neuronové sítě hlubokého učení. Dříve se roboty učily uchopovat objekty a manipulovat s nimi opakovaným cvičením na různých objektech, což je časově náročný proces. Díky využívání syntetických bodových cloudů namísto fyzických objektů k trénování neuronové sítě pro rozpoznání robustního uchopení jsou nejnovější verze sítě Dex-Net mnohem efektivnější a dosahují 99% míry přesnosti uchopení.

Goldberg věří, že se jim v dlouhodobém horizontu podaří vyvinout vysoce spolehlivé robotické uchopování široké palety různorodých pevných objektů, jako jsou nástroje, předměty v domácnosti, zabalené zboží a průmyslové díly.

Kolaborativní roboty využívající hluboké učení

Software Intera 5 společnosti Rethink Robotics má učinit kolaborativní roboty Baxter a Sawyer chytřejšími. Brooks tvrdí, že za schopnostmi robotů vidět a učit se stojí značná míra umělé inteligence.

„Tradiční průmyslové roboty neměly příliš mnoho inteligence,“ upozorňuje Brooks, „avšak pracujeme na tom, aby tomu v budoucnu bylo jinak. Zavádíme do robotů funkce hlubokého učení. Snažíme se vyrovnat s variacemi, protože právě ty jsou podle našeho názoru typické pro 90 % výroby s nasazením robotů ve stejném prostoru s lidmi.“

Roboty Sawyer a Baxter disponují funkcí učení na základě předvedení, která využívá umělou inteligenci.

„Když robot učíte předváděním, ukazujete mu určité věci pohybováním jeho ramena a robot si z toho odvodí program označovaný jako strom chování,“ objasňuje proces Brooks. „Zapíše si program, podle kterého poběží. Vy tento  program psát nemusíte.“

Intera 5 je grafickým programovacím jazykem. Podle Brookse si jej můžete prohlížet, upravovat anebo můžete napsat program ve stromu chování, který pak znemožní programu provést to automaticky.

Umělá inteligence mění programování robotů

Umělá inteligence mění způsob, jakým jsou roboty programovány. Abbeel a jeho tým ve společnosti Embodied Intelligence využívají sílu umělé inteligence, aby pomohli průmyslovým robotům učit se nové, komplexní dovednosti.

Jejich práce navazuje na výzkum, který Pieter Abbeel vedl na UC Berkeley, kde dosáhli významného průlomu v oblasti využívání imitačního učení a hlubokého posilovaného učení při učení robotů manipulovat s objekty. Společnost využívá kombinaci senzorů a řízení pro dálkové ovládání robotu. Pokud jde o senzory, operátor má nasazeny brýle virtuální reality (VR), kde se mu zobrazuje pohled robotu skrz jeho kameru.

Pokud jde o řízení, operátor drží ruční zařízení, které je součástí sady virtuální reality. Když se ruka operátora pohybuje, tento pohyb je snímán. Snímané souřadnice a orientace jsou odeslány do počítače, který řídí robot. Tímto způsobem má operátor přímou kontrolu nad pohybem chapače robotu, podobně jako by vodil loutku.

„Umožňujeme lidem začlenit se do robotu,“ říká Abbeel. „Člověk může vidět očima robotu a ovládat ruce robotu.“

Podle Abeella je člověk tak obratný, že chapače robotu a naše ruce jsou nesrovnatelné. Tím, že operátor pracuje prostřednictvím systému virtuální reality, je nucen respektovat omezení robotu.

„Robot učíte esenci příslušné dovednosti tím, že ji předvedete,“ vysvětluje Abbeel. „To neznamená, že v tomto okamžiku bude roboticky rychlá. Provedete ji lidským tempem, které je pro většinu robotů pomalé. To je první fáze (imitační učení). Učíte robot pomocí předvedení. Ve druhé fázi pak robot provádí posilované učení, kdy se učí svými vlastními pokusy a chybami. Krása je v tom, že se robot již naučil esenci daného úkonu. Teď se robot už jen potřebuje naučit, jak to zrychlit. Prostřednictvím posilovaného učení se to však dokáže naučit relativně rychle.“

Abbeel ještě dodává, že jejich technologie je vhodná zejména pro náročné úkony počítačového vidění a manipulace, které jsou v současnosti příliš složité pro tradiční metody programování softwaru.

Společnost Embodied Intelligence nakonec zpřístupní tento software ostatním lidem, aby přeprogramovali své roboty a předváděli úkony sami. To umožní jakékoli firmě, ať už velké, nebo malé, rychle přeřadit roboty na jiné úkony.

Náš společný potenciál

Cloudová robotika, strojové učení, počítačové vidění, rozpoznávání řeči – všechny aspekty umělé inteligence se rozvíjejí a v určitých oblastech dokonce pozoruhodným tempem. Nicméně umělá inteligence stále nijak nekonkuruje lidem.

I kdyby roboty byly jednou s pomocí umělé inteligence a technického zdokonalování člověkem schopné dosáhnout naší obratnosti, nikdy skutečně nepochopí okolní svět s celou jeho křehkostí a potenciálem. Kontext a důmyslnost zůstanou doménou člověka. Technologie sama o sobě není ani špatná, ani dobrá, jde o to, jak ji využíváme. S umělou inteligencí a robotikou dostává lidstvo obrovský potenciál pro pozitivní vývoj. CE

Tanya M. Anandanová je přispěvatelka sdružení Robotic Industries Association (RIA) a magazínu Robotics Online. Tento článek byl původně publikován na webové stránce sdružení RIA. RIA je součástí sdružení Association for Advancing Automation (A3), obsahového partnera vydavatelství CFE Media. Upravil Chris Vavra, redaktor časopisu Control Engineering, CFE Media, cvavra@cfemedia.com.


Sponzorované odkazy

 
Aktuální vydání
Reklama

Navštivte rovněž

  •   Události  
  •   Katalog  

Události

Automatizace a modernizace pivovarů 2019
2019-01-24 - 2019-01-24
Místo: Hotel Luční bouda, Pec pod Sněžkou
DIAGO 2019
2019-01-29 - 2019-01-30
Místo: Orea Resort Devět Skal ***, Sněžné - Milovy
Roboty 2019
2019-01-30 - 2019-02-01
Místo: Brno, hotel Avanti
Úspory v průmyslu
2019-03-05 - 2019-03-05
Místo: Hotel STEP ****, Praha
AMPER 2019
2019-03-19 - 2019-03-22
Místo: Výstaviště Brno

Katalog

BALLUFF CZ s.r.o.
BALLUFF CZ s.r.o.
Pelušková 1400
19800 Praha
tel. 724697790

COGNEX
COGNEX
Emmy-Noether-Str. 11
76131 Karlsruhe
tel. 720 981 181

B+R automatizace, spol. s r.o.
B+R automatizace, spol. s r.o.
Stránského 39
616 00 Brno
tel. +420 541 4203 -11

Schneider Electric CZ, s. r. o.
Schneider Electric CZ, s. r. o.
U Trezorky 921/2
158 00 Praha 5
tel. 00420737266673

Mitsubishi Electric Europe B.V.
Mitsubishi Electric Europe B.V.
Pekařská 621/7
155 00 Praha 5
tel. +420 251 551 470

všechny firmy
Reklama


Tematické newslettery




Anketa


Na internetu
V tištěných médiích
Na veletrzích a výstavách
Jinde

O nás   |   Reklama   |   Mapa stránek   |   Kontakt   |   Užitečné odkazy   |   Bezplatné zasílání   |   RSS   |   
Copyright © 2007-2018 Trade Media International s. r. o.
Navštivte naše další stránky
Trade Media International s. r. o. Trade Media International s. r. o. - Remote Marketing Továrna - vše o průmyslu Control Engineering Česko Řízení a údržba průmyslového podniku Inteligentní budovy Almanach produkce – katalog firem a produktů pro průmysl Konference TMI