新しいディープラーニング プログラムは、ロボット工学の課題をどのように克服できるのでしょうか?

データ サイエンティストがディープラーニングについて話すとき、通常は画像の生成、検出、分類、回帰タスクについて話します。それにもかかわらず、ディープラーニングと人工知能はロボット工学の分野で広く使用されており、これらの大きな課題のいくつかは解決されています。自動運転車の実現を推進しているのは、コンピュータービジョンにおけるディープラーニングです。強化学習は AlphaGo などのアプリケーションにも採用されており、より多くの組織がこれらのアプリケーションからより大きな利益を得ることを期待しています。

ディープラーニングは現在大きな進歩を遂げていますが、人々はいつか究極の目標である汎用人工知能 (AGI) に到達することを望んでいます。

[[380749]]

AGI ロボットはタスクを実行できますか?

AGI は、人間が実行できるあらゆるインテリジェントなタスクを理解または学習できる仮想的な機械知能です。

業界の専門家であるスティーブ・ウォズニアック氏は、AGI が人間レベルのパフォーマンスを備えていることを確認するためのテストを提案しました。その 1 つは、家庭用ロボットがコーヒーの淹れ方を知っている必要があるというものです。つまり、ロボットはコーヒーメーカーとコーヒーを見つけ、水を加え、カップを見つけ、コーヒーを淹れなければなりません。

この作業は人間にとっては簡単かもしれません。しかし、ロボットにとってそれは本質的に、さまざまなコンピューター ビジョン技術を使用してオブジェクトを認識して使用し、タスクの理解に基づいて適切なアクションをすべて実行することで、環境と適切に対話することを意味します。

AGI を確認するための別のテストはチューリング テストです。このテストでは、人間が機械に話しかけ、人間は自分が機械と話しているのか、それとも別の人間と話しているのかを推測する必要があります。機械が人間を十分な回数騙すことができれば、テストに合格するでしょう。

チューリングテストには、人間の言語とその構造に関する深い理解、言語がどのように継続的に使用されているかという感覚が含まれます。

人工知能はどのように役立つのでしょうか?

イーロン・マスク、ビル・ゲイツ、スティーブン・ホーキングなどの著名人は、AI が人類に実存的リスクをもたらす可能性があることに同意している (ターミネーターのスカイネットを考えてみてください) が、人々が AI を本当に恐れるにはまだまだ遠い。

AlphaGo が囲碁の世界チャンピオンに勝利するなどの進歩は、コンピューターが人間を超えたという印象を与えますが、機械は本質的には学習した何百万ものゲームのロジックを模倣しようとしていることを理解することが重要です。これらのゲームでは大量のトレーニングデータが提供され、AI が実行できる行動の自由度は現実世界に比べて非常に制限されています。もう 1 つは、これらの AI が多機能ではないということです。つまり、AI は 1 つのことを行うのに非常に優れていますが、他のことはあまり得意ではありません。遠い将来には、自ら考え、実際に行動できるロボットが登場するかもしれません。

それにもかかわらず、この目標に向けていくらかの進歩が遂げられています。また、AI が人間に危害を加えたり、その他の危害を加えたりしないように、フィルターや制限を直ちに導入する方法を検討する必要があります。人々はすでに、AI のトレーニング方法や人間の視点に基づく AI の偏見と戦っていますが、将来の自律型 AI が登場するまでには、まだ多くのハードルが残っています。

研究者たちはすでに、ロボットやロボットアプリケーションがさまざまなセンサーを使用して環境を理解し、進路上の障害物を回避するのに役立つコンピュータービジョン（CV）のディープラーニングを研究しています。機械学習とコンピュータービジョン (CV) 技術は確かにこの問題を解決できます。これは、トレーニング データがなくても新しい状況で観察し学習する方法を学習する必要がある自動運転車にとって重要なコンポーネントになります。

また、人間の言語を機械言語に変換するために使用できる音声認識や、機械が人間を理解して会話する能力を提供する自然言語処理 (NLP) に関する研究も数多く行われています。すでにAlexa、Portal、Google Homeデバイスを通じて低レベルバージョンを使用している人もいます。実際、GPT-3 は興味深い記事を書くことができる新しい言語生成モデルであり、これもまた自然言語処理におけるディープラーニングの使用によって強化されています。

ロボットのディープラーニングに関する考察

現在、AI はサイロ化された方法で問題を解決する傾向があります。たとえば、視覚の問題は言語/発話の問題とは別に対処されます。

研究者が次にやらなければならないことは、これらすべての機能を、自ら判断を下すことができる実用的なロボットに統合することです。これらのロボットは、独自の世界観を構築し、独自のトレーニングに使用できる追加データを環境から取得するために、現実世界を直接体験できる必要があります。

言うのは簡単ですが、実行するのは難しいですし、そのような目標を達成するにはさらなる技術の進歩が必要ですが、私たちが正しい方向に進み続ける限り、ロボットが AGI を実現し、まったく新しい世界を切り開くのは時間の問題です。