Воплощённый ИИ: Как роботы учатся взаимодействовать с реальным миром

Искусственный интеллект (ИИ) представлен в различных формах, включая системы распознавания образов и генеративный ИИ. Одним из наиболее интересных направлений является воплощённый ИИ, который демонстрирует способность быстро реагировать на изменения в реальном мире. Об этом пишет LiveScience.

Фото из открытых источников

Воплощённый ИИ сочетает в себе датчики и машинное обучение для обработки данных, получаемых из окружающей среды. Примеры таких систем включают автономные дроны, беспилотные автомобили и автоматизированные производственные линии. Также к более простым формам воплощённого ИИ можно отнести роботизированные пылесосы и газонокосилки.

Эти системы используют ИИ для преодоления физических препятствий. Большинство из них опираются на алгоритмически закодированные карты, аналогичные ментальным картам, используемым таксистами в Лондоне. Исследования маршрутизации лондонских таксистов послужили основой для разработки данных систем.

Некоторые воплощённые ИИ используют принципы группового интеллекта, наблюдаемого у насекомых, птиц и стад животных, что позволяет им синхронизировать свои движения. Это может быть полезно для создания сетей дронов или транспортных средств на складах.

Разработка воплощённого ИИ началась в 1950-х годах с кибернетической черепахи, созданной Уильямом Греем Уолтером. Однако технологии потребовали времени для становления и автономности. В отличие от когнитивного и генеративного ИИ, которые обучаются на больших языковых моделях, воплощённый ИИ учится через взаимодействие с физическим миром.

Сенсорные данные, используемые воплощённым ИИ, отличаются от человеческих ощущений. Эти системы могут обнаруживать различные виды излучения, магнитные поля и данные GPS, а алгоритмы компьютерного зрения помогают им идентифицировать объекты и реагировать на них.

Ключевым элементом воплощённого ИИ является его модель мира, разработанная для конкретной операционной среды. Эта модель формируется с помощью различных подходов к обучению, включая обучение с подкреплением и активный вывод. Активный вывод позволяет системе обновлять свою модель мира в реальном времени, что важно для безопасного функционирования автономных транспортных средств.

Воплощённый ИИ также может улучшить работу чат-ботов, анализируя эмоциональное состояние пользователей и адаптируя свои ответы соответственно.

Несмотря на то что технологии воплощённого ИИ находятся на ранней стадии развития, исследования в этой области активно продолжаются. Улучшения в генеративном ИИ и повышение точности датчиков могут способствовать дальнейшему прогрессу воплощённого ИИ.