211service.com
Comment une fusion mentale homme-machine pourrait rendre les robots plus intelligents
Ce bras robotique utilise occasionnellement le contrôle humain lorsqu'il apprend à saisir différents objets.
Une startup canadienne secrète appelée Kindred AI enseigne aux robots comment effectuer des tâches habiles difficiles à des vitesses surhumaines en les associant à des pilotes humains portant des casques de réalité virtuelle et tenant des contrôleurs de suivi de mouvement.
La technologie offre un aperçu fascinant de la façon dont les humains pourraient travailler en synchronisation avec les machines à l'avenir, et elle montre comment l'exploitation des capacités humaines pourrait amplifier les capacités des systèmes automatisés. Malgré toutes les inquiétudes suscitées par les robots et l'intelligence artificielle éliminant des emplois, il y a beaucoup de choses que les machines ne peuvent toujours pas faire. L'entreprise a fait la démonstration du matériel Examen de la technologie MIT la semaine dernière, et prévoit de lancer un produit destiné aux détaillants dans les mois à venir. Les ambitions à long terme sont bien plus grandes. Kindred espère que cet apprentissage assisté par l'homme favorisera un type d'intelligence artificielle fondamentalement nouveau et plus puissant.
Kindred a été créé par plusieurs personnes de D-Wave, une société d'informatique quantique basée à Burnaby, au Canada. Kindred teste actuellement des bras de robots industriels conventionnels capables de saisir et de placer des objets qui peuvent être difficiles à manipuler, comme de petits vêtements, plus rapidement et de manière plus fiable que ce qui serait normalement possible. Les bras le font en demandant occasionnellement l'aide d'une équipe d'humains, qui utilisent du matériel de réalité virtuelle pour visualiser le défi et prendre temporairement le contrôle d'un bras.
Un pilote peut voir, entendre et ressentir ce que le robot voit, entend et ressent. Lorsque le pilote agit, ces actions déplacent le robot, explique Geordie Rose, qui est cofondateur et PDG de Kindred, et qui a précédemment cofondé D-Wave. Cela nous permet de montrer aux robots comment agir comme les gens. Les humains ne sont pas les plus rapides ou les meilleurs dans tous les aspects du contrôle des robots, comme placer des objets à des endroits spécifiques, mais les humains sont toujours les meilleurs pour donner un sens aux situations délicates ou imprévues.
Le système de Kindred utilise plusieurs algorithmes d'apprentissage automatique et tente de prédire si l'un d'entre eux fournirait le résultat souhaité, comme saisir un objet. Si aucune ne semble offrir une forte probabilité de succès, elle appelle une assistance humaine. Plus important encore, les algorithmes apprennent des actions d'un contrôleur humain. Pour y parvenir, l'entreprise utilise une forme d'apprentissage par renforcement, une approche qui implique l'expérimentation et le renforcement des comportements qui mènent à un objectif particulier (voir 10 Breakthrough Technologies 2017 : Reinforcement Learning ).
Rose dit que le système peut saisir de petits vêtements environ deux fois plus vite qu'une personne travaillant seule, tandis qu'un robot travaillant de manière indépendante serait trop peu fiable pour être déployé. Une personne peut également faire fonctionner plusieurs robots à la fois.
Rose ajoute que Kindred explore toutes sortes de systèmes humains dans la boucle, de ceux où une personne clique simplement sur une image pour montrer à un robot où saisir quelque chose, aux exosquelettes du corps entier qui permettent de contrôler un robot humanoïde. Il dit que les pilotes apprennent généralement à contrôler efficacement un système robotique à distance. Lorsque vous utilisez l'appareil de contrôle, au début, c'est très frustrant, mais l'esprit des gens est très plastique et vous vous adaptez, dit Rose.
L'inspiration technique de la technologie vient de Suzanne Gildert, qui était auparavant chercheuse principale chez D-Wave et qui est la directrice scientifique de Kindred. L'entreprise fonctionne en mode furtif depuis plusieurs années, mais a attiré l'attention lorsque les détails d'un brevet déposé par Gildert fait surface . Le brevet décrit un schéma permettant de combiner différents systèmes de télé-opération avec l'apprentissage automatique. En effet, la vision de Kindred pour sa technologie semble s'étendre bien au-delà de la construction de robots plus habiles à trier.
L'idée était que si vous pouviez faire cela assez longtemps, et si vous aviez une sorte de système d'IA dans l'apprentissage en arrière-plan, vous pourriez peut-être essayer de nombreux modèles d'IA différents et voir lesquels s'entraînaient mieux, dit Gildert. Finalement, ma pensée était, si vous pouvez avoir un humain démontrant quoi que ce soit via un robot, alors il n'y a aucune raison pour que le robot ne puisse pas apprendre à être très humain.
Plus accrocheur, le brevet de Kindred décrivait même la possibilité de faire contrôler de tels systèmes par des animaux tels que des singes. Gildert dit que c'était une idée spéculative et qu'aucun singe n'est actuellement employé par l'entreprise. Cependant, elle dit que l'entreprise a un chat robotique, formé à l'aide de l'apprentissage par renforcement, qui se promène dans son bureau.
Kindred est aussi un peu atypique, dans la mesure où ses fondateurs sont des physiciens plutôt que des roboticiens ou des informaticiens de formation. Mais Rose soutient que cela offre une perspective unique et précieuse. Pour les informaticiens, la frontière entre une simulation et le monde réel est parfois floue, dit-il. Nous avons une forte préférence pour faire le genre de choses que nous faisons dans de vrais robots dans le monde réel.
L'approche que Kindred poursuit semble avoir un énorme potentiel. Ken Goldberg , professeur à l'Université de Californie à Berkeley, spécialisé dans l'apprentissage automatique et la robotique, affirme que l'exploitation des compétences humaines accélérera considérablement l'apprentissage des robots. Goldberg, qui travaille sur une approche similaire pour la chirurgie robotique, entre autres, ajoute que le fait que les robots apprennent des humains est un domaine de recherche très actif. C'est au cœur de ce que je crois être une grande opportunité en robotique, dit Goldberg. Il y a un énorme avantage à avoir une démonstration humaine.
Mais les défis techniques liés à l'apprentissage par télé-opération humaine ne sont pas négligeables. Sangbae Kim , professeur agrégé au MIT qui travaille sur des robots humanoïdes télé-opérés, affirme que mapper le contrôle humain à l'action de la machine est incroyablement compliqué. Le premier défi consiste à suivre le mouvement humain en attachant des liens rigides à la peau humaine. C'est extrêmement difficile parce que nous sommes des animaux endosquelettes, dit Kim. Un plus grand défi consiste à vraiment comprendre tous les détails des étapes de prise de décision chez l'homme, dont la plupart se produisent inconsciemment.
Les fondateurs de Kindred ne semblent cependant pas intimidés. Notre objectif est de déconstruire la cognition, dit Rose. Toutes les entités vivantes suivent certains modèles de comportement et d'action. Nous essayons de construire des machines qui ont le même genre de principes.