Facebook se umělou inteligencí a strojovým učením zabývá dlouhodobě – využívá je i ve svém (zatím spíše neúspěšném) boji proti šíření dezinformací a dalšího škodlivého obsahu na své sociální síti.
Blíže Facebook mluvil například o učení bez učitele, počítačovém vidění nebo zpracování přirozeného jazyka; to jsou oblasti, které už jsou pro sociální síť jako takovou spíše vedlejší, ale nezapomínejme, že Facebook už dávno není „jen“ sociální síť. Jeho výzkumná část má peníze, mozky i potenciál.
Ve čtvrtek Facebook přiblížil další tři oblasti výzkumu, které by v budoucnu mohly vést ke schopnější umělé inteligenci a robotům.
Tým Facebook Research s experimentálním šestinohým robotem. Zdroj: FAIR
Jde naučit chuť se učit?
„Podstatná část naší práce je zaměřena na model učení bez učitele, kdy se algoritmus z vložených dat sám učí a přizpůsobuje novým úkolům a okolnostem,“ píší výzkumníci Facebook AI Research (FAIR) na blogu. V robotice se zase zabývají populárním zpětnovazebním učením.
Konkrétněji se tým pokoušel naučit šestinohého robota chodit, a to bez externího zásahu – měl na to přijít sám. Pomocí algoritmu zpětnovazebního učení se robot pomalu učí chodit, trochu obdobně jako třeba člověk po těžkém úrazu, který se musí chození znovu naučit. Algoritmus je schopen čerpat z informací, které robot sesbírává, a čím více jich má, tím lépe algoritmus funguje – robot se tak, prakticky vzato, „učí ze zkušeností“.
Nejde však zdaleka o jednoduchou záležitost, spíše naopak – už jen samotný sběr dat ze snímačů není jednoduchý. Pomocí optimalizací se však týmu FAIR podařilo naučit robota „chodit“ v řádu hodin, spíše než dní. Facebook se dále pokouší o to, aby robot poté, co se naučí chodit, změnil svou funkci, účel, a začal prozkoumávat okolí; to je ovšem zatím docela nerealistické, nicméně se o to vědci Facebooku snaží. Pomáhají jim v tom výzkumnici z Newyorské univerzity.
Zdroj: FAIR
A konečně, posledním dlouhodobým cílem vývoje v robotické a AI sekci Facebooku je naučit roboty cítit – ne emocionálně, což hraničí při současném stavu technologií s nemožným, ale fyzicky. Využívá k tomu prediktivní model hlubokého učení, původně určený pro videa.
Tým trénoval umělou inteligenci pomocí samotných dat, vycházejících z taktilních senzorů o vysokém rozlišení: a mělo to úspěch. Robot dokázal úspěšně zacházet s joystickem, kutálet míček a rozpoznat správnou část dvacetistěnné kostky.
Zatím jde jen o experimenty, podobné těm, které podnikají Boston Dynamics nebo SoftBank Robotics – budoucnost robotiky však v současné době vypadá ještě jasněji, než kdy dřív.
