Umwandlung der Robotik mit biologisch inspirierten Lernmodelle

Behind the Scenes Artikel wurde LiveScience in Zusammenarbeit mit der National Science Foundation zur Verfügung gestellt.

Ich ging in das Gebäude und es gab eine menschliche Größe Roboter warten um mich zu begrüßen.

Es schüttelte mir die Hand, nahm meinen Mantel und brachte mich in den Raum sitzen wo mein Interview gehalten werden wollte. Er fragte mich, ob ich brauchte einen Drink, und fuhr dann fort, reinigen Sie die Arbeitsplatten und die Wasserpflanzen. Als ich fragte, ob es einen Grund gab arbeitete es so hart er sagte einfach: "Ich setze mich voll zu nutzen, die alle ist, die ich denke, dass irgendwelche bewußtes Wesen jemals hoffen kann, zu tun."

Wenn Sie jemals, Stanley Kubricks Hommage an humanoiden Computer gesehen haben "2001: Odyssee im Weltraum," dann Sie bereits wissen, ich machte nur eine Anspielung...

Was passiert bei meinem ersten Besuch in Neuromorphics Labor an der Boston University, war ein etwas anders, aber nicht minder unterhaltsam, Szenario.

Ich ging in ein Büro und es gab einen Roomba-wie Roboter nähert sich und bunte Objekten zu vermeiden. Seine Entscheidungen auf der Grundlage einer Belohnung Geschichte ("bad Robot" vs. "guten Roboter").

Auf dem Schreibtisch bemerkte ich eine zerstückelte RC Hubschrauber mit Hälfte seiner Teile fehlen. Spähen in ein zusätzliches Zimmer, ich konnte nicht umhin ein Spielzeugauto mit einer Kamera am Ruder und EEG-Elektroden hängt ab von allen Seiten installiert. Alles um mich, herum waren Forscher erstellen und optimieren von künstlichen Hirnsysteme in virtuellen Umgebungen vor der Bereitstellung in Robotern.

Auch vor dem hinsetzen um Beschäftigungsmöglichkeiten, mit niemandem reden wusste ich, dass dies der richtige Ort für mich war.

Das Neuromorphics Labor erforscht innovative Roboter Lernalgorithmen. Vorstellen, dass ein Reinigungsroboter, das tat, was keine andere Reinigungsroboter derzeit tun kann: lernen. Es könnte den einzige Ort in Ihrem Haus erfahren, wo Ihr Hund immer liebt, seine schmutzigen kleinen Pfoten zu wischen, wenn er im Inneren kommt. Es könnte lernen, dass dienstags Softball Praxis, d.h. eine bestimmte Spur von Schmutz im Vorfeld zu Ihrem Zimmer.

Das Schlüsselwort hier ist natürlich lernen. Das Problem mit dem herkömmlichen Ansatz für die Robotik ist, dass es explizite Programmierung für Roboter zur Durchführung bestimmter Aufgaben erfordert, führt zu einem Mangel an autonomen, universelle künstliche Intelligenz oder AI.

Arbeiten in Zusammenarbeit mit Hewlett-Packard Laboratories, Neuromorphics Labor, Teil der NSF-geförderten Center of Excellence für das Lernen in Bildung, Wissenschaft und Technologie (CELEST), hat sich das ehrgeizige Projekt der Schaffung eines Gehirns auf einem Chip verpflichtet – eine grundlegende Vorgänger, das Design der autonomen Robotik und allgemeine Intelligenz.

Forscher im Labor Neuromorphics sind näher als je zuvor in der Lage, das Ziel der Schaffung einer allgemeinen Säugetier-Art Intelligenz zu erreichen. Die meisten Menschen haben noch nie gehört der Begriff "neuromorphen" – das ist eine Technologie mit einer spezifischen Form ("morphischen"), die im ("Neuro") Gehirnarchitektur basiert. Die neuronale Modelle von Neuromorphics Labor entwickelt implementieren "whole Brain Systeme" oder große Gehirn-Modelle, die robotische und virtuelle Agenten lernen auf eigene Faust zu interagieren mit neuen Umgebungen ermöglichen.

Wie bei jedem intelligenten biologischen System künstlichen autonomen und adaptiver Systeme benötigen drei Dinge: ein Geist, ein Gehirn und einen Körper. Die CELEST Modelle laufen auf eine Softwareplattform namens Cog, die als Betriebssystem dient in dem künstlichen "Gehirn" entwickelt wird.

Zusammen mit der Hardware – derzeit Allzweck-Prozessoren, ergänzt durch innovative Nanotechnologie in der Entwicklung bei HP — Cog bietet ein ideales Umfeld für die Gestaltung und Prüfung von ganzen Gehirn Simulation. Die Arbeit des Neuromorphics Lab konzentriert sich in erster Linie auf den Geist des adaptiven Systems engineering. Sobald der Vorgang abgeschlossen, werden eine virtuelle Animat, ausgestattet mit dem künstlichen Gehirn in der Lage zu lernen, wie man navigieren in ihrer Umgebung basierend auf ihre inhärenten Fähigkeiten zur Beantwortung von Motivationen, sensorische Daten auswerten und intelligente Entscheidungen in Motorausgängen umgewandelt werden.

Als neuer Mitarbeiter des Neuromorphics Lab habe ich vor kurzem eine Demonstration des adaptiven Roboters teilgenommen. Ich beobachtete, wie es in der Lage war zu lernen, zu unterscheiden und eine Vorliebe für eine Reihe von bunten Blöcken zu entwickeln. Obwohl dies mag wie eine triviale Aufgabe, eine, die kommt natürlich auf den Menschen, liegt die Unermesslichkeit dieser Aufgabe in der Tatsache, dass die Animat nicht explizit programmiert wird, um bestimmte farbige Blöcke zu nähern, sondern eher um zu erfahren welche Objekte zu nähern und vermeiden auf Belohnungen und Strafen, die mit ihnen verbundenen basierend. Der Prozess ist ähnlich wie Tiere durch Versuch und Irrtum mit einer Welt interagieren sie nicht lernen "" vorprogrammiert waren handeln.

Ganze Gehirn-Systeme sind schwer zu entwickeln und zu testen. Das Neuromorphics Labor beschleunigt diese Prozesse durch training des Gehirns Animat in virtuellen Umgebungen. Nicht wird begrenzt durch ein physisches Substrat wie ein Roboter, Forscher sind in der Lage, Tausende von verschiedenen Gehirnen parallel auf High Performance computing-Ressourcen, z. B. NSF TeraGrid Test und die besten Versionen auf dem Roboter zu verwenden. Die Plattform der Entwickler ausgewählt ist iRobot erstellen, ein Roboter, der sieht viel wie der Roomba saugen Roboter.

Da die Animat nicht explizit programmiert ist, bestimmte Aufgaben zu lösen, gibt es größere Flexibilität für zukünftige Funktionen des Roboters. Schließlich wird es auf eine autonome Ebene funktionieren und in der Lage, komplexe adaptive Aufgaben wie intelligent Interaktion und Pflege für ältere, selbstständig erkunden und sammeln von Proben auf einem fremden Planeten, und in der Regel beschäftigt mehr humanoide Verhalten übernehmen.

Dies ist eine Herausforderung für jedes künstliche Intelligenz-Programm in der Entwicklung: Es ist einfach unmöglich, ein Leben lang die Gesamtheit der Kenntnisse in einen Roboter zu programmieren! Deshalb ist es so wichtig für die nächste Generation der künstlichen Intelligenz in der Lage sein, ein Leben lang zu lernen, ohne ständige Neuprogrammierung.

Science Fiction ist voller Beispiele lernen Roboter und HAL 9000 aus Kubricks Odyssee im Weltraum wird für immer in den Sinn als die Medien Lieblings Fehlfunktion Roboter kommen. Obwohl das Aufkommen der allgemeinen Intelligenz Maschinen in naher Zukunft zuversichtlich, sind Forscher im Labor Neuromorphics optimistisch, dass Fehlverhalten Roboter wie HAL nur in Science Fiction Filmen Leben werden. Zukunft Roboter werden nicht programmiert, sondern trainiert sein. Der Schlüssel ist, sie gut zu erziehen!

Bestätigungen

Diese Arbeit wurde teilweise finanziert durch das Center of Excellence für das Lernen in Bildung, Wissenschaft und Technologie (CELEST), ein National Science Foundation Science of Learning Center (NSF-OMA-0835976) und durch die DARPA SyNAPSE-Programm, Vertrag HR0011-09-3-0001. Die Ansichten, Meinungen und/oder Feststellungen, die in diesem Artikel sind diejenigen der Autoren und nicht als Vertreter der offiziellen Ansichten oder Richtlinien, entweder ausdrücklich oder stillschweigend von der Defense Advanced Research Projects Agency, dem Department of Defense oder der National Science Foundation interpretiert werden.

Anmerkung der Redaktion: Dieser Forschung wurde unterstützt von der National Science Foundation (NSF), die Bundesagentur mit der Finanzierung von Grundlagenforschung und Ausbildung in allen Bereichen der Wissenschaft und Technik beauftragt. Meinungen, Erkenntnisse und Schlussfolgerungen oder Empfehlungen ausgedrückt in diesem Material sind die des Autors und spiegeln nicht unbedingt die Ansichten von der National Science Foundation. Siehe die hinter den Kulissen Archiv.