Video Öğretimde Şaşırtıcı Zorlukları Ortaya Çıkardı A.I. Kendini Giydirmek

Bir tişörtün içinde dolaşmak, biz insanların neredeyse zar zor uyanıkken bile yapabileceğimiz ve hala gözlerimizdeki uykuyu kaşıyan az sayıdaki görevden biri olabilir. Ancak kendimize nasıl giyineceğimizi (az ya da çok) ustalaştığımız gerçeği, meraklıların arasında olmaktan, kapıları dışarı atmak için yeterince giyinik olmak için gereken hareketlerin ne kadar karmaşık olduğuna inanıyor.

Bunu herkes kadar iyi anlayan bir kişi bilgisayar bilimi doktorası olan Alex Clegg'dir. Yapay zekâ teknolojisini geliştirmek için makine öğrenmeyi kullanmaya odaklanan Georgia Teknoloji Enstitüsü'ndeki öğrenci. Söylediği gibi Ters iken, A.I. Hangi hastaların sepsis olacağını ya da karmaşık strateji oyunlarında dünya şampiyonlarına nasıl meydan okuyacağını tahmin etmeye yetecek kadar akıllı olan makinelerin forma giymeyi öğretmenin zor bir hedef olduğunu kanıtladı.

“Kumaş karmaşık,” diye açıklıyor bir e-postada. “Vücudun pozisyonundaki küçük değişikliklere derhal ve sert bir şekilde yanıt verebilir ve çoğu zaman hareketi kısıtlar… Giysiler aynı zamanda vücuda katlanma, yapışma ve tutunma, görev için gerekli dokunsal veya dokunma hissi verme eğilimindedir.”

Peki, tam olarak neden bir bilgisayar sabahları nasıl giyindiğimizi parçalamaya çalışıyor? Clegg, A.I. için birkaç olası başvuru olduğunu açıkladı. Bu, aldatıcı şekilde basit görünen, giyinme sanatını anlıyor. Kısa vadede, Clegg’in bulguları bir gün gerçekçi 3D animasyonlar yapma sürecini hızlandırmak için kullanılabilir. Fakat daha da önemlisi, bu görüşler, genç ve yaşlı insanlara yardım edebilecek yardımcı robotların tasarımına yol açabilir.

Araştırmacılar, bir bilgisayara kovana nasıl bir kol koyacaklarını öğreterek başladılar. Aralık ayındaki bilgisayar grafikleri konulu SIGGRAPH Asia 2018 konferansında Aralık ayında sunulacak bildiride Clegg ve arkadaşları, "derin güçlendirilmiş öğrenme" adı verilen bir tür makine öğrenmesi olarak kullandıkları kesin tekniği açıkladılar.

Derin güçlendirilmiş öğrenmenin amacı, robotlara belirli hareketleri ve görevleri tekrar tekrar yapmalarını sağlayarak nasıl tamamlamaları gerektiğini öğretmektir. Pansuman durumunda, Clegg’in takımı A.I. işlem sanal ortamını gözlemleyin, kopyalayın ve doğru yolda göründüğü zaman ödüllendirdi.

Clegg, geliştirdiği sosis şeklindeki canlandırmalı karakterin bir ceket veya tişört giymeyi öğrenmesi için yüz binlerce deneme yapıldığını açıkladı. Ne de olsa botları dokunmayı nasıl algılayacağını öğrenmek zorunda kaldı ki gerektiğinde gömleği yakabilirdi. Ayrıca, simülasyonu mümkün olduğu kadar doğru bir hale getirmek için fizik motoru da kullanmaları gerekiyordu.

Sonunda, Clegg’in sakar, hareketli oğlu biraz tuhaf olsa bile gömleğini giymeyi öğrendi. Yine de, sonuçlar nüanslı problemlerin çözümü için derinlemesine nasıl kullanılabileceğine dair bir kavram kanıtı olarak en faydalı olabilir.

“Derin güçlendirilmiş öğrenmeyle çözebileceğimiz sorunların çoğunu hayal etmek heyecan verici” diyor. “Robotları mümkün kılmak ve birçok insanın günlük yaşamını etkileyen büyük sorunlara çözüm bulmak için çalışmaya devam etmeyi dört gözle bekliyoruz.”

Bu çalışmanın bulgularının bulgularını robotik ile çalışmaya dönüştürmek hem yazılımı hem de donanım özelliklerini uyumlaştırmak için biraz daha fazla çalışma gerektirecektir. Ancak Clegg’in bulguları, fütüristik robot kariyerimizi mevcut sınırlamalarından özgürleştirmekle ilgilenen araştırmacılar için bir yol oluşturuyor.