Google AI, divisione di Google dedicata allo sviluppo dell’intelligenza artificiale, è pienamente fiduciosa del fatto che il modo in cui i bambini imparano a riconoscere gli oggetti rappresentai un elemento chiave per gli algoritmi di addestramento. In questo senso, la compagnia ha annunciato che sta lavorando ad uno strumento di intelligenza artificiale che permetterà ai robot di conoscere le caratteristiche di un oggetto semplicemente osservandolo e manipolandolo.
Tutto questo è stato spiegato da Eric Jang, un ingegnere informatico presso Google AI, e da Coline Devin, ricercatrice interna presso l’Università di Berkele, in una pubblicazione sul blog della divisione. Gli esperti hanno affermato di basare il loro studio sull’apprendimento umano quando interagiscono con il loro ambiente, dal momento che afferrare un oggetto offre molte informazioni a riguardo.
Nel rapporto di ricerca, Jang e Devin spiegano: “In robotica, questo tipo di apprendimento è attivamente studiato perché consente ai sistemi robotici di apprendere senza la necessità di grandi quantità di dati di addestramento o supervisione manuale (…). Usando questa forma di auto-monitoraggio, i robot possono imparare a riconoscere gli oggetti mediante modifiche visive nella scena“.
Il team AI di Google e la start up X Robotics hanno progettato un braccio robotico in grado di afferrare involontariamente gli oggetti, imparandone le rappresentazioni durante l’interazione. Queste rappresentazioni hanno portato infine alla morsa “intenzionale” degli oggetti scelti dai ricercatori.
L’apprendimento mediante rinforzo
La tecnica dell’intelligenza artificiale utilizzata per questo studio era l’apprendimento mediante rinforzo, poiché utilizza i premi per dirigere l’agente robotico verso gli oggetti indicati. In questo modo, il braccio robotico ha preso gli oggetti, li ha analizzati con la sua fotocamera e, alla fine, ha risposto alle domande di riconoscimento di base poste dagli esperti.
Infine, l’algoritmo è riuscito a implementare un sistema di percezione che estraeva informazioni importanti sugli elementi analizzati attraverso le immagini prima dell’impugnatura e, quindi, osservando l’oggetto da un punto isolato.
I ricercatori dicono che il passo successivo è imparare ad usare la rappresentazione del robot per integrare le abilità più complesse come riconoscimento di un oggetto ad una distanza senza perdere le proprietà originali dell’algoritmo.
