Esses robôs industriais ficam mais aptos a cada tarefa


O software de aprendizado profundo faz sentido dos dados, como imagens ou áudio, procurando padrões estatísticos extraídos de dados anteriores. O aplicativo Fotos da Apple pode criar automaticamente um álbum de seus animais de estimação, pois possui algoritmos de aprendizado profundo treinados em milhares ou milhões de imagens rotuladas de gatos e cães. Uma maneira de fazer um robô entender objetos é programá-lo para tentar diferentes abordagens e usar o aprendizado profundo em seus sucessos e falhas para determinar uma boa garra.

Esse tipo de correspondência estatística de padrões encontrou muitos usos lucrativos. Mas George ressalta que não permite que os computadores raciocinem sobre o mundo, intuam a causa dos eventos ou lidem com situações fora de suas experiências passadas. “A ampliação do aprendizado profundo não resolverá essas limitações fundamentais”, diz George. “Tomamos uma decisão consciente de encontrar e resolver esses problemas.” Vinod Khosla, o investidor bilionário cuja empresa Khosla Ventures investiu US $ 25 milhões na Vicarious, diz que teve dificuldade em encontrar especialistas em IA para ajudar a avaliar a empresa como um potencial investimento. “Todo mundo conhece aprendizado profundo, mas não essas outras coisas”, diz Khosla.

imagem do artigo

O Guia WIRED de Inteligência Artificial

Os algoritmos do supersmart não aceitam todos os trabalhos, mas estão aprendendo mais rápido do que nunca, fazendo de tudo, desde diagnósticos médicos até a exibição de anúncios.

Um artigo provocativo da Vicarious apresentado em 2017 em uma importante conferência de aprendizado profundo ilustra sua abordagem à IA. A empresa projetou experimentos que expuseram a inflexibilidade do software de aprendizado profundo do grupo de pesquisa DeepMind da Alphabet que aprendeu a jogar jogos antigos da Atari, como Saia melhor do que os melhores jogadores. Vicarious mostrou como esses jogadores de IA sobre-humanos desmoronavam se um jogo era trivialmente alterado, como aumentando o brilho das cores ou alterando sutilmente o tamanho dos objetos.

O próprio software da startup pôde lidar com essas mudanças porque não afetou sua compreensão dos mecanismos em funcionamento no jogo. Embora o software também tenha aprendido com dados passados, ele foi preparado para captar as relações causais entre objetos e eventos no jogo, e poderia usar esse conhecimento para se adaptar às pequenas mudanças que não havia experimentado anteriormente.

Brenden Lake, professor assistente da NYU, diz que o artigo demonstrou algo que o campo da IA ​​precisa descobrir, à medida que cresce a conversa sobre aprendizado profundo atingindo seus limites. “Uma parte essencial da inteligência humana é a construção de modelos flexíveis do mundo que podem ser usados ​​em várias situações”, diz Lake. “Acho que as pessoas estão percebendo que você não pode chegar lá com sistemas de reconhecimento de padrões em larga escala treinados em grandes conjuntos de dados para uma tarefa específica”.

Um movimento e uma senhorita

O braço robótico mais alto do que uma pessoa que empilha caixas em um canto da fábrica cavernosa da Vicarious parece estar jogando um videogame particularmente chato. Zumbindo e assobiando, ele pega caixas cúbicas e as empilha em uma grade organizada em um palete de madeira, um armazém comum e operação de fábrica chamado paletização. Nas proximidades, uma linha de braços de robô classifica cosméticos em caixas com um toque, usando movimentos firmes de seus dedos de sucção para jogar itens como tubos de loção em caixas logo além de seu alcance.

Continue lendo

A Vicarious não é a única startup que usa a IA para ensinar novos truques aos robôs industriais. Muitos, incluindo alguns apresentados no WIRED, dependem muito do aprendizado profundo. A Alphabet recentemente revelou uma frota de robôs que percorrem dois de seus escritórios, coletando lixo e classificando-o em lixo, reciclagem e itens compostáveis.

Phoenix diz que seus robôs se distinguem por sua flexibilidade – nascidos de algoritmos como os que permitiram que seus robôs Atari se adaptassem aos ajustes de um jogo. Os braços robóticos que empilham paletes geralmente são acompanhados de alimentadores caros que posicionam todas as caixas ou caixas de entrada de forma idêntica. O software da Vicicarious é flexível o suficiente para pegar caixas que não estão perfeitamente posicionadas, diz Phoenix, e pode pegá-las de uma mesa comum. O repórter leva apenas cerca de um minuto usando uma interface de tela sensível ao toque para reprogramar o braço para paletizar suas caixas em uma imagem irregular e irregular do logotipo da WIRED.



Fonte

Leave a Reply

Your email address will not be published. Required fields are marked *