Red de conocimiento informático - Aprendizaje de código fuente - Los robots inteligentes son el objetivo final de la inteligencia artificial

Los robots inteligentes son el objetivo final de la inteligencia artificial

Los robots inteligentes son el objetivo final de la inteligencia artificial

Hoy damos la bienvenida a un nuevo mundo en el que todo es inteligente y está conectado. Cada vez hay más cosas y dispositivos conectados a través de la red, lo que da como resultado un crecimiento explosivo de datos. La avalancha de datos está aumentando y los datos se están convirtiendo en la fuerza impulsora más importante de la tecnología. La aparición de una serie de tecnologías de futuro, como la inteligencia artificial (IA), la conducción autónoma, 5G, VR/MR, etc., nos brinda la oportunidad de liberar plenamente el potencial de estos datos y mejorar continuamente la experiencia de la vida humana. Esperamos compartir e intercambiar las observaciones de Intel sobre las tendencias tecnológicas de futuro y explorar el presente y el futuro de la interconexión inteligente de todo. Como comienzo de una serie de columnas, exploremos las oportunidades industriales en la era de la inundación de datos desde la perspectiva de los robots y la inteligencia artificial. La integración de la inteligencia artificial y la SI promueve la inteligencia de la industria de los robots. Los robots, como el campo de aplicación más importante de la inteligencia artificial, siempre han atraído mucha atención. Los robots inteligentes que aparecen a menudo en los éxitos de taquilla de Hollywood han generado grandes expectativas entre el público, pero en realidad las capacidades inteligentes de los robots de servicios están lejos de cumplir con los requisitos. Con la ola de inteligencia artificial representada por el aprendizaje profundo en los últimos años, cómo puede abrirse paso la industria de los robots inteligentes es una cuestión muy importante. Creo que hay dos aspectos que son muy críticos: uno es la profunda integración de la inteligencia artificial (AI: Artificial Intelligence) y la interacción inteligente (SI: Smart Interaction); Hablaremos de cuestiones de seguridad más adelante. Hoy nos centraremos en la integración de la inteligencia artificial y la interacción inteligente. La inteligencia artificial tiene una definición común en el mundo académico, que es comprender la naturaleza de la inteligencia y ser capaz de crear máquinas inteligentes que respondan a entradas externas de forma inteligente como los humanos. El objetivo final de esta disciplina es dotar a las máquinas de la capacidad de responder de forma inteligente, por lo que los robots inteligentes pueden considerarse como el objetivo final de la inteligencia artificial. Hay dos formas de comprender la naturaleza de la inteligencia: una es observar el comportamiento humano desde el exterior a través de métodos filosóficos o psicológicos y especular sobre cómo piensan los humanos inteligentes, la otra es abrir el cerebro humano y observar la estructura neuroanatómica, descubrir el; Patrones de actividad inteligente a través de tecnología de detección de actividad cerebral y experimentos cuidadosamente diseñados. Cuando tengamos una cierta comprensión de la inteligencia (no necesariamente correcta, pero al menos tengamos un modelo), entonces los matemáticos, informáticos y expertos en automatización deberán estudiar cómo hacer que las máquinas sean inteligentes. Por lo tanto, hay muchos temas relacionados con la inteligencia artificial, además de teorías, modelos y algoritmos blandos, también se necesita hardware para implementarlos, por ejemplo, se necesitan chips para darle potencia de computación y almacenamiento. Para entidades inteligentes como los robots, también se requiere una tecnología de control de sistemas compleja para respaldarlos. La actual ola de auge de la inteligencia artificial en realidad se beneficia de las últimas mejoras en la tecnología informática y de almacenamiento. La tecnología de redes neuronales está inspirada en la estructura neuronal del cerebro, pero es completamente diferente del procesamiento del cerebro. Se entrena a través de datos a gran escala y luego la máquina aprende algunas leyes inherentes de los datos para formar un modelo y luego usa el modelo para inferir nuevos datos. Esto se llama proceso de aprendizaje automático y requiere mucho almacenamiento y potencia informática, y la era en la que nos encontramos ahora es muy adecuada para su gran desarrollo. ¿Por qué es muy adecuado? Porque bajo la influencia de la Ley de Moore, las capacidades del hardware han mejorado enormemente en los últimos 20 años, incluido un aumento de 15.000 veces en el costo unitario de la potencia informática y un aumento de 30.000 veces en la capacidad de almacenamiento. La tecnología de las comunicaciones ha evolucionado de la cableada a la inalámbrica y ahora avanza hacia el 5G. Esto significa que no sólo podemos dotar a las máquinas inteligentes de un cerebro potente, sino también utilizar de forma flexible las capacidades de la nube cuando sea necesario. La combinación de la nube y de un extremo a otro desbloquea la capacidad de aprender y mejorar continuamente. Los algoritmos de inteligencia artificial, como el aprendizaje profundo, han dado grandes pasos a través de las estadísticas y los big data, y han superado las capacidades humanas en el reconocimiento de imágenes y el reconocimiento de voz. Y vemos que ahora es posible obtener datos más grandes. Por ejemplo, un automóvil autónomo generará 4 TB de datos todos los días, y son datos heterogéneos de diferentes fuentes. Una vez que tenga estos datos, debe considerar cómo procesarlos para generar valor en tiempo real y brindar servicios confiables y de alta calidad. Ahora bien, el aprendizaje profundo es el único, pero para procesar tantos tipos de datos para realizar la tarea objetivo, no basta con confiar únicamente en este algoritmo. Por lo tanto, NN+X representa agregar varias tecnologías nuevas a las redes neuronales y enfrentar las limitaciones de los algoritmos de inteligencia artificial.

Para citar al profesor Rodney Brooks (experto en inteligencia artificial, destacado representante de la escuela conductual, académico de la Academia Nacional de Ingeniería y fundador de i.I.A. Inteligencia Artificial), quien también es un maestro en el campo de la inteligencia artificial en el Campo de la robótica: "NN + X significa Let Neural Network. Junto con varias tecnologías nuevas, nos enfrentamos a las limitaciones de los algoritmos de inteligencia artificial". Académico de la Academia Nacional de Ingeniería, fundador de iRobot y RethinkRobotics, padre de Baxter y ex director de MITCSAIL), abogó por no utilizar qué tipo de modelo lógico o qué tipo de modelo de red neuronal para simular el proceso de pensamiento humano, sino uso El agente real percibe y luego estudia cómo responder correctamente mediante la optimización de todo el sistema. Él cree que la industria, en particular, no debería obsesionarse con una determinada tecnología, sino que debería utilizar la tecnología de acuerdo con las necesidades reales para proporcionar valor a la humanidad. Cree que la primera ronda de desarrollo de la inteligencia artificial tardará unos cinco años y puede aportar valor en los campos de la conducción asistida y la conducción autónoma. La segunda ronda tardará unos diez años y puede aportar un gran valor social en el ámbito del cuidado de las personas mayores. robots. En cuanto al aumento de las capacidades inteligentes de las máquinas, toda la industria procederá en tres pasos. El primero es conectar algunos dispositivos fuera de la red a la red. Después de estar conectados a la red, los dispositivos tienen la capacidad de transmitir y actualizar información. Al mismo tiempo, también se pueden combinar con servicios sociales para brindar valor a los clientes. . Pero no se trata de inteligencia, sólo de interconexión de dispositivos. El segundo paso es nuestro nivel actual de dispositivos inteligentes. De hecho, los teléfonos móviles pueden proporcionar estos servicios inteligentes, agregar capacidades de reconocimiento visual y auditivo y combinar tecnología de extracción de datos y base de conocimientos para brindar servicios. Estas máquinas inteligentes pueden escuchar y ver, pero aún no oír ni ver. El objetivo final es el paso tres: máquinas autónomas. Ahora básicamente hemos pasado el segundo paso y estamos avanzando hacia el tercer paso. Pero este proceso de desarrollo no es lineal, porque se volverá cada vez más complejo del segundo al tercer paso. No sólo es necesario comprender el entorno y el comportamiento, sino también ser capaz de comprender las emociones humanas. Debido a que los robots sirven a las personas, si no pueden comprender las emociones de las personas y no pueden comunicarse entre sí, no podrán brindar buenos servicios. En el proceso de CT a RT, los robots inteligentes son sistemas autónomos típicos. Como se muestra en la figura anterior, desde la tecnología informática actual (CT: tecnología informática) hasta la tecnología robótica futura (RT: tecnología robótica), la tecnología de inteligencia artificial necesita trabajar en estrecha colaboración con otras tecnologías para completar la interacción informática "percepción-cognición-ejecución". bucle. Los robots trabajan en un entorno abierto y atienden a consumidores comunes y corrientes que no están dispuestos a seguir reglas rígidas de interacción. Hay muchas incertidumbres en todo el proceso de interacción y no se puede garantizar que ningún algoritmo de inteligencia artificial sea infalible, por lo que debe combinarse con otras tecnologías para satisfacer las expectativas de los consumidores sobre los robots inteligentes. En mi opinión, la interacción inteligente (SI) es la mejor opción porque puede aprovechar al máximo la inteligencia universal de los humanos y complementar las deficiencias de la inteligencia artificial a través de la movilidad y las capacidades de interacción activa de los robots. Pongamos dos ejemplos para ilustrar el poder de las interacciones inteligentes. Sabemos que al reconocer objetos visualmente, los ángulos y las oclusiones afectarán el efecto de reconocimiento. Para el robot, puede utilizar la movilidad para elegir activamente un buen ángulo para evitar la oclusión, identificando así objetos con precisión. Además, en la comprensión de la escena, para un objeto que se puede segmentar con precisión, si no está seguro de qué es (como un taburete o una mesa de café), el robot puede formular activamente una pregunta para hacerle al humano. Se puede ver que el uso flexible de las capacidades de interacción y movimiento activo del robot puede mejorar significativamente las capacidades de servicio generales del robot y promover el desarrollo industrial de robots inteligentes. En resumen, el autor cree que en la iteración de comercialización de robots inteligentes, primero debemos asegurarnos de que las capacidades del servicio cumplan con los estándares, luego seleccionar algoritmos de inteligencia artificial apropiados según los requisitos de esta capacidad y luego cooperar con soluciones flexibles de interacción inteligente para lograr esta capacidad. Con la mejora de las capacidades de algoritmos y la tecnología de hardware, expandir gradualmente la proporción de inteligencia artificial manteniendo las capacidades de servicio es un ciclo positivo para promover el desarrollo de la tecnología de inteligencia artificial a través del desarrollo comercial.