भविष्य के रोबोट जिज्ञासा और लक्ष्यों के आत्म-निर्धारण के माध्यम से सीखेंगे

कल्पना कीजिए कि एक दोस्त आपको अपने कमरे को साफ करने में मदद करने के लिए कहता है, विभिन्न चीजों और फर्नीचर से भरा हुआ। लेकिन यह भी कल्पना करें कि वह आपकी इसमें मदद नहीं करेगा, लेकिन बस आपको वर्णन करता है कि फोटो दिखाते हुए, कि वह अंत में कैसा दिखना चाहता है। कार्य उबाऊ लग सकता है, लेकिन हम में से कोई भी इसके साथ सामना करेगा। बच्चों के रूप में, हमने नई वस्तुओं की खोज की, उन्हें पहचानना सीखा और उन्हें संभालने का कौशल विकसित किया। जिज्ञासा से प्रेरित, हमने धीरे-धीरे दृश्य, चौकस और संवेदी-मोटर ज्ञान विकसित किया, जिससे हमें, वयस्कों को, हमारी पसंद के भौतिक वातावरण का इलाज करने की अनुमति मिली।

आज के रोबोट ऐसे कार्यों के लिए अनुकूलित नहीं हैं। एक humanoid रोबोट की कल्पना करें जो एक कमरे को साफ करने में मदद करता है। मान लीजिए कि आपने रोबोट को एक सामान्य, साफ-सुथरी अवस्था में एक कमरा दिखाया है, और जब उसमें कोई गड़बड़ होती है, तो आप रोबोट को उसकी मूल स्थिति में हटाने का आदेश देते हैं। ऐसी स्थितियों में, रोबोट को यह सिखाने के लिए बहुत थकाऊ होगा कि ध्यान कैसे निर्देशित किया जाए, और प्रत्येक वस्तु को सही स्थान पर सही स्थिति में रखने के लिए, या क्रियाओं के अनुक्रम का निर्माण कैसे किया जाए।

और यद्यपि नए, जटिल रोबोट और उन्नत एल्गोरिदम सालाना दिखाई देते हैं, जटिल कर्तव्यों का पालन करते हुए और विभिन्न कार्यों के लिए अज्ञात समाधान खोजने के लिए निचले स्तर के मोटर कौशल से संबंधित विवरणों की थकाऊ प्रोग्रामिंग की आवश्यकता होती है। सबसे कम, रोबोट अनम्य क्रियाओं का एक छोटा सा सेट सीख सकते हैं। जैविक बुद्धिमत्ता के साथ एआई की वर्तमान उपलब्धियों की तुलना करें, तो हम देखेंगे कि एआई में अभी भी स्वायत्तता और लचीलेपन की सीमाएं हैं।

भविष्य के रोबोट को अपने परिवेश को स्वायत्त रूप से समझने में सक्षम होने की आवश्यकता होगी, अर्थात्, स्वतंत्र रूप से लक्ष्यों को निर्धारित करना और प्रभावी ढंग से उन्हें हासिल करने के लिए कौशल प्राप्त करना, पहले से प्राप्त ज्ञान और कौशल के अधिग्रहण, संशोधन, सामान्यीकरण और पुनर्संयोजन के आधार पर। यह उन्हें थोड़ा अतिरिक्त प्रशिक्षण के साथ, वर्तमान स्थिति से उपयोगकर्ता द्वारा लक्ष्य के रूप में निर्धारित अंतिम राज्यों की एक विस्तृत श्रृंखला में अपने वातावरण को बदलने की अनुमति देगा। सवाल यह है कि हम भविष्य के रोबोट कैसे बना सकते हैं जो इस तरह के कार्य से सामना कर सकते हैं?

लक्ष्य-रोबोट परियोजना

, – , (Laboratory of Computational Embodied Neuroscience, LOCEN), , , (ISTC-CNR).

"GOAL-Robots – " [Goal-based Open-ended Autonomous Learning Robots] 11 , 800 EU FET-OPEN call(फ्यूचर इमर्जेंट टेक्नोलॉजीज), और क्षितिज 2020 यूरोपीय संघ के अनुसंधान कार्यक्रम का हिस्सा है। LOCEN और इसके शोध पर्यवेक्षक, Gianluca Baldassarre, एक ऐसे संघ का समन्वय करेंगे जिसमें तीन और महत्वपूर्ण यूरोपीय शोध समूह शामिल होंगे:

1. फ्रांस से मनोविज्ञान और अनुभूति (LPP) की प्रयोगशाला , केविन ओ'रैगन की अगुवाई में, पेरिस इंस्टीट्यूट ऑफ न्यूरोलॉजी एंड कॉग्निटिव साइंसेज में काम कर रहे हैं। डेसकार्टेस नाम दिया गया, बच्चों में कौशल और लक्ष्यों के अधिग्रहण से संबंधित प्रयोगों का संचालन करेगा।

2. जर्मनी में फ्रैंकफर्ट इंस्टीट्यूट फॉर एडवांस्ड स्टडीज (FIAS), जोहान ट्रिच के नेतृत्व में, जैविक प्रणालियों के समान दृश्य प्रणालियों और मोटर कौशल के विकास पर ध्यान केंद्रित करेगा।

3।जर्मनी में डार्मस्टाड प्रौद्योगिकी विश्वविद्यालय (टुडा) के जन पीटर्स के नेतृत्व में रोबोटिक्स विशेषज्ञों की एक टीम परियोजना के लिए रोबोट का प्रदर्शन करेगी।

लक्ष्य-रोबोट पिछले यूरोपीय प्रोजेक्ट IM-CLeVeR ("आंतरिक रूप से प्रेरित संचयी रूप से सार्वभौमिक रोबोट सीखने") का अनुसरण करते हैं, जिसमें LOCEN और पिछले भागीदारों ने जीवित जीवों और रोबोटों में आत्म-शिक्षा के लिए आंतरिक प्रेरणा (VM) की भूमिका का अध्ययन किया था। वीएम शोध यह देखकर शुरू हुआ कि कैसे बच्चे, जिज्ञासा से बाहर, बाहर की दुनिया का पता लगाते हैं और बातचीत करते हैं, इस बारे में ज्ञान प्राप्त करते हैं कि चीजें कैसे काम करती हैं, और उनके साथ बातचीत करने के लिए संवेदी-मोटर कौशल का एक बड़ा प्रदर्शनों का केंद्र रहा है।



यदि जिज्ञासा और वीएम मानव सार्वभौमिकता और अनुकूलनशीलता का आधार हैं, तो वीएम का अनुकरण करने वाली वास्तुकला और एल्गोरिथ्म के साथ एआई एक "प्रेरक इंजन" बनाने में मदद कर सकता है जो रोबोट को एक स्वायत्त खुली सीखने की प्रक्रिया के माध्यम से मार्गदर्शन करेगा जिसमें निरंतर प्रोग्रामिंग और मानव प्रशिक्षण की आवश्यकता नहीं होती है।

लक्ष्य-रोबोट खुले रोबोट प्रशिक्षण के विकास के लिए एक महत्वपूर्ण घटक भी जोड़ता है: लक्ष्य। एक लक्ष्य दुनिया, किसी शरीर या घटना की स्थिति, या घटनाओं के एक समूह के बारे में एक व्यक्ति का आंतरिक प्रतिनिधित्व है, जिसमें दो महत्वपूर्ण गुण हैं। सबसे पहले, एक व्यक्ति इस विचार को दुनिया या घटना के संबंधित राज्य की धारणा के अभाव में भी पैदा कर सकता है। दूसरा, इस चुनौती का एक प्रेरक प्रभाव है, अर्थात्, यह पसंद, व्यक्तित्व और व्यवहार पर ध्यान केंद्रित करने और लक्ष्य को प्राप्त करने के लिए अपनी सीखने की प्रक्रिया को प्रभावित कर सकता है। वसीयत में प्रेरक लक्ष्य बनाने की क्षमता, यद्यपि अमूर्त, और कार्यों और प्रशिक्षण को चुनने के लिए उनका उपयोग, व्यवहारिक लचीलापन और जैविक व्यक्तियों को प्रशिक्षित करने की क्षमता का एक प्रमुख तत्व है। परियोजना प्रतिभागियों का मानना ​​हैप्रशिक्षण लक्ष्यों के गठन और खोज के लिए उपयुक्त तंत्र के साथ रोबोट प्रदान करना मौलिक रूप से स्वतंत्र सीखने की उनकी क्षमता को बढ़ाएगा।

कार्य और विचार

परियोजना का विचार वीएम से संबंधित तंत्र और शक्ति लक्ष्यों को प्रेरित करने का एक संयोजन है। विशेष रूप से, वीएम रोबोटों को स्वतंत्र रूप से नए दिलचस्प घटनाओं की खोज करने के लिए प्रेरित करेगा जो स्वयं के कार्यों के कारण हुए हैं। रोबोट जिज्ञासा के प्रभाव में और स्वतंत्र रूप से अधिक से अधिक जटिल लक्ष्यों को निर्धारित करने के लिए अपने परिवेश का पता लगाएंगे, और उन्हें एक खुली शैली में विभिन्न कौशल प्राप्त करने के लिए उपयोग करेंगे।



क्षमताओं को प्राप्त करने के लिए एक खुली प्रक्रिया में जटिल तंत्र और विभिन्न वास्तुकला घटकों के एकीकरण की आवश्यकता होती है। विशेष रूप से, रोबोटों को पहले हासिल किए गए कौशल को तोड़ने के बिना नए कौशल प्राप्त करने की आवश्यकता होगी, और साथ ही, नए लोगों के अधिग्रहण (ज्ञान हस्तांतरण) में तेजी लाने के लिए पहले से हासिल किए गए कौशल का पुन: उपयोग करें। इसके अलावा, उन्हें सीखने की आवश्यकता होगी कि अधिक जटिल लोगों को बनाने के लिए पूर्व-अधिग्रहीत कौशल को कैसे संयोजित किया जाए। ये आज के लिए सबसे महत्वपूर्ण एआई चुनौतियां हैं। उन्हें हल करने के लिए, परियोजना उन्नत एल्गोरिदम का उपयोग करेगी, दोनों संवेदी जानकारी प्रसंस्करण के लिए (उदाहरण के लिए, डीप लर्निंग नेटवर्क का उपयोग करके) और मोटर कौशल से संबंधित ज्ञान के आयोजन और उपयोग के लिए (उदाहरण के लिए, डायनेमिक मूवमेंट प्रिमिटिव और न्यूरल नेटवर्क का उपयोग इको इफेक्ट के साथ) -स्टेट न्यूरल नेटवर्क])।

सीखने की प्रक्रिया के विभिन्न भागों से जुड़े सभी तंत्रों को एक नियंत्रण वास्तुकला में एकीकृत करने की आवश्यकता होगी: उच्च-स्तरीय लक्ष्य-गठन प्रक्रियाओं को प्रेरक परतों के साथ जोड़ा जाएगा, जिसमें वीएम के आधार पर, रोबोट लक्ष्य बनाएंगे और चयन करेंगे। लक्ष्य धीरे-धीरे नियंत्रकों के निचले स्तर से जुड़े होंगे ताकि रोबोट वांछित लक्ष्यों को प्राप्त करने और पिछले वाले के संयोजन के आधार पर अधिक जटिल कौशल बनाने के लिए अधिग्रहीत कौशल को याद कर सके। विभिन्न कौशल के बीच ज्ञान के हस्तांतरण को आपसी हस्तक्षेप को खत्म करने की आवश्यकता को ध्यान में रखते हुए एकीकृत किया जाएगा, और इसी तरह। ये तंत्र न केवल स्वतंत्र सीखने के चरण के लिए उपयोगी हैं, बल्कि उपयोगकर्ता द्वारा अर्जित ज्ञान का उपयोग करने की संभावना के लिए भी उपयोगी हैं।



हर साल, परियोजना एक "प्रदर्शन रोबोट," और जटिल रोबोट प्लेटफार्मों (जैसे iCub या कूका) को पेश करेगी, जो बढ़ती जटिलता की समस्याओं को हल करने के लिए परियोजना में विकसित आर्किटेक्चर द्वारा संचालित होगी। ये प्रदर्शनकारी न केवल परियोजना में प्रगति दिखाएंगे, बल्कि स्वतंत्र रोबोट के विकास में प्रगति की तुलना करने के लिए भी मानदंड बन जाएंगे।

अंतिम प्रदर्शनकर्ता को लेख की शुरुआत में तैयार किए गए कार्य का सामना करना होगा: क्या रोबोट के लिए सार्वभौमिकता और अनुकूलन क्षमता का प्रदर्शन करना संभव है, जो वास्तविक दुनिया के साथ बातचीत करते हुए मानवों के समान है? विशेष रूप से, रोबोट को कार्य दिया जाएगा: ए) कंटेनरों में स्थित कई वस्तुओं की स्थिति का अध्ययन करने के लिए और ऑर्डर के अनुरूप अलमारियों पर, और बी) उपयोगकर्ता को स्थानांतरित करने और वस्तुओं को स्वैप करने के बाद इस स्थिति को पुन: पेश करने के लिए।

यदि GOAL- रोबोट परियोजना अपने वादों को पूरा करती है, तो आपको आलसी दोस्तों के बारे में चिंता करने की आवश्यकता नहीं होगी: जब वे आपसे मदद मांगते हैं, तो आप बस अपने कृत्रिम दोस्तों से उनकी मदद करने के लिए कहते हैं!