לאוזניים שמרגישות על-ידי תרגילי בית-הספר וגיוון של סמינרים, זה יישמע רע, אבל אנחנו רוצים שרובוטים יבצעו שיפוט מהיר על סמך המראה. התגברות על דעות קדומות היא טובה, אך חוסר היכולת לסטריאוטיפ מקטין את האינטליגנציה - מלאכותית ואחרת. אלן וגנר, Ph.D., רובוטיקאי בג'ורג'יה טק, הוא המוביל הראשי של טכנולוגיה סטריאוטיפית. הוא טוען כי סוג זה של לוגיקה אינו צריך להיות מיושם על גזע או מין, רק מצבים והתנהגויות.
במבחן מוקדם של אלגוריתם הסטריאוטיפ שלו, ואגנר הכשיר רובוט תמים כדי להסיק מה הוא ראה. הרובוט למד והתבין, מה שאיפשר לוואגנר להתחיל לחשוב בצורה ביקורתית על האתיקה של הנחות הרובוט, בעיקר על התוכניות המתוכננות מראש. הוא דיבר הפוך על עבודתו ועל השלכותיה.
תלווה אותי איך הניסוי עבד.
הרובוט מקיים אינטראקציה עם סוגים שונים של אנשים - כבאים, EMT או מה - אבל אין לו ניסיון קודם עם כל אחד מהקטגוריות הללו. זהו, בעצם, למידה חווייתית.
הרעיון היה להראות כי הרובוט יכול להשתמש בתכונות תפיסתיים של הפרט כדי לנבא את הצרכים שלהם במונחים של שימוש בכלי. האופן שבו עבד האלגוריתם, המצלמה של הרובוט תבחין בהיבטים שונים של מראה האדם - צבעם האחיד, למשל, אם יש להם זקן, וצבע השיער שלהם.
זה היה גם לשאול אותם שאלות על איך הם נראים. כמובן, לשאול שאלות זה לא מה שאתה רוצה לעשות בתחום, אבל התפיסה של הרובוט הוא מוגבל כל כך עכשיו. היינו צריכים דרך לאתחל את התהליך על למידה על אדם. האדם יבחר את הכלי, ולאחר מכן הרובוט יבחר את הכלי, ועם הזמן הרובוט ילמד איזה כלי כל סוג של אדם העדיף.
האם ציפית שהרובוט ילמד שתג פירושו קצין משטרה או מעיל רפלקטיבי כבד פירושו כבאי?
אנחנו די ציפינו לזה. אבל היו גם כמה דברים מפתיעים.לדוגמה, הרובוט זיהה מזויף כי זקן הוא ניבא עם כבאי - זה היה מוזר, אבל כשאתה מסתכל על הנתונים, זה לא היה מפתיע. מספר האנשים הראשונים שקיימו עימם קשר היו כבאים שהיו להם זקנים. לכן אנו טוענים על הצורך בגיוון התפיסתי, רעיון שאם הרובוט יכול לראות סוגים גדולים, שונים בתכלית, של אנשים בקטגוריה, מוטב לפתח ולהבין את הקטגוריה.
האם הייתם רובוטים אוטונומיים צריכים להיות מאומנים כדי לגהץ את המוזרויות האלה, כך שרובוט לא יחשוב אם לאדם הזה יש זקן, הוא כבאי?
בהחלט. זה קריטי שאנחנו מברזל את הדברים האלה. זה קריטי כי יש לנו את הרובוטים כי עבודה מתוך קבוצה מגוונת של אנשים.
מה עשוי להיראות הלמידה?
זה יאפשר לרובוט להתמקד בדברים המאפיינים טוב יותר את הכבאים. לדוגמה, כבאי לא יכול אפילו ללבוש מקטורן. הרובוט היה מבחין בהיבטים אחרים של כיבוי אש, אולי במגפיים, אולי בכפפות, אולי בקסדות. זה היה אומר, "אישור זה באמת אדם J כבאי בסביבה הזאת ".
אם היו לך מספיק אנשים, זה יכול להיות מסוגל לזהות כבאי ליד אש לעומת כבאי במסיבת ליל כל הקדושים. זה פרטים תפיסתיים מתוחכמים, כמו ההבדל בין האיכות של סוגי מדים, או סביבות הקשר.
מלבד קשירת זקנים עם כבאים, עד כמה הצליח האלגוריתם הזה?
היו שני דברים שבאמת רצינו להביט בהם: אחד, מה אפשר לעשות עם זה? אם הרובוטים יכולים לזהות כבאים, האם זה באמת עוזר בדרך כלשהי? המאמר הראה כי הוא מאפשר לך לצמצם את החיפוש שלך. במקום להסתכל על זקן צבע שיער, מחפש צבע עיניים או כל דבר אחר שאתה עשוי לחפש, אתה יכול להתמקד בתכונות באמת משנה. האם האדם לובש מעיל כבאים? זה יכול להאיץ את התהליך.
עוד דבר קריטי מאוד שהסתכלנו עליו הוא, מה אם הקטגוריה שהרובוט צופה? איך זה משפיע עליך? אתה יכול לדמיין סביבות חיפוש והצלה יכול להיות כאוטי: אולי אתה עובד בתנאי עשן, הרובוט לא יכול להיות מסוגל לתפוס הכל טוב מאוד, זה יכול להיות טעויות. אתה יכול לדמיין מקרה גרוע יותר, שבו הרובוט חושב שהאדם הוא קורבן כאשר בפועל הם כבאי. אז זה מנסה להציל כבאי. זה יהיה נורא. רצינו לראות איפה הוא שובר, איך זה שובר, אילו תכונות משפיעות עליו הכי הרבה סוגים שונים של שגיאות.
אתה יכול להשתמש בגישה זו בדרכים שונות - אם הם לא יכולים לראות את האדם בכלל, אבל יכול לראות את הפעולות שהם עושים. אם אני יכול לראות את האדם בוחר גרזן, אז אני יכול לחזות שיש להם קסדה.
איך אתה מתקרב מקבל רובוט להעריך בהקשר ולבצע חיזוי?
ניסינו להסתכל על כמה סוגים שונים של סביבות - מסעדה, בית ספר ובית אבות. ניסינו ללכוד תכונות על הסביבה ועל אילו אובייקטים נמצאים בסביבה, מה פעולות האדם בוחר, ואיך אנשים בסביבה נראים, ולנסות להשתמש בו כדי לעשות הרבה תחזיות חברתיות. לדוגמה, בסביבה בית ספרית, אנשים מרימים את ידיהם לפני שהם מדברים. אז אם אני רואה את הפעולה שאנשים מרימים את היד שלהם, איזה סוג של אובייקטים הייתי מצפה לראות בסביבה? האם אני מצפה לראות לוח; אני מצפה לראות שולחן? הייתי מצפה לראות ילדים.
התקווה שיש להשתמש במידע זה. אם הרובוט מבצע הליך פינוי, הוא יראה אילו סוגים של אנשים נמצאים שם והיכן הם נמצאים.
נניח שיש רובוט שמגיע לדלת שלך ואומר, "בבקשה עקוב אחרי ליציאה". משהו פשוט לכאורה הוא למעשה מורכב מאוד. אם רובוט דופק על דלת בבניין דירות, אין לך מושג עם מי אתה הולך לקיים אינטראקציה. זה יכול להיות ילד בן ארבע, זה יכול להיות אדם בן 95. היינו אוהבים את הרובוט כדי להתאים את התנהגותו האינטראקטיבית לסוג האדם שהוא רואה כדי להציל אותם. אנחנו לוקחים חלק מהשיעורים הקונטקסטואליים ומנסים לפתח את היישום הזה.
האם אתה משתמש הגדרה דומה של "סטריאוטיפ" עבור רובוטים ובני אדם, או האם יש משהו אחר קורה?
למונח "סטריאוטיפים" יש הקשר שלילי. הדרך בה אנו משתמשים בה היא פשוט לפתח קטגוריות של אנשים, ולהשתמש במידע קטגורי כדי לחזות מאפיינים של אדם. אני יודע בפסיכולוגיה, הרבה עבודה מתמקדת סטריאוטיפים הפנים סטריאוטיפים מגדר. אנחנו לא עושים שום דבר כזה. האם התהליך זהה? אני לא יודע. אין לי מושג.
האם אתה מודאג שאנשים עשויים להיות מוטעות לגבי העבודה שלך?
לפני כמה שנים, פיתחנו את הרעיון של רובוטים שיכולים לרמות אנשים. בתקשורת היה קצת תפיסה מוטעית כי זה יוביל רובוטים גניבת ארנקים של אנשים.
אני רוצה להשתמש במצב פינוי החירום: אתה לא תמיד רוצה להיות ישר לגמרי עם אדם בפינוי, נכון? לדוגמה, אם מישהו שאל אותך, "האם המשפחה שלי בסדר?" זה יכול להיות נורא אם הרובוט אמר, "לא, כולם מתו. אנא עקוב אחרי אל היציאה. "ישנם כמה מצבים שבהם הרובוט אכן צריך להיות קצת לא ישר. אבל הניסיון שלי היה שאנשים הרגישו כאילו אנחנו מנסים להוביל את סוף העולם.
אנחנו תמיד מעוניינים בהיבטים הפרו-חברתיים של טכניקות אלה של רובוט אנושי. אנחנו מנסים לעזור לאנשים, לא להיות משהו רע.
ג 'ורג' Hotz הוא מסירת נקודות פסיק. WTF?
סטארט-אפים נהנים משני משחקים ומסתורין. שמור על אנשים מסקרנים, החשיבה הולכת, ויהיה לך בסיס לקוחות כאשר אתה עושה את זה לשוק.
'כרטיסי הבר' הוא היקום הקולנועי הגדול של ג'ורג 'ר. מ. מרטין
פרוייקט טלוויזיה חדש של משחק של כסאות הסופר ג'ורג 'ר' מרטין הוא לא ממש סדרה אחת של רומנים. במקום זאת, זהו יקום גדול ומחובר הנקרא Wild Cards. מרטין הודיע על הבלוג שלו כי Universal Cable Productions יש הרים את הזכויות כדי להתאים את סדרת אנתולוגיה Wild Cards עבור לא ...
מפלגת הלייבור של בריטניה היא מפוחדת של העתיד אוטומציה הרובוט
ג'ון טריקט, דובר חדשנות, הזהיר שהחברה צריכה לפעול.