Втілений ШІ дозволяє роботам і автономним дронам взаємодіяти з реальним світом, але як це працює? Штучний інтелект (ШІ) має багато форм, від систем розпізнавання образів до генеративного ШІ. Однак існує ще один тип ШІ, який може майже миттєво реагувати на реальні дані: втілений ШІ.
Але що це за технологія і як вона працює?
Втілений ШІ зазвичай поєднує датчики з машинним навчанням, щоб реагувати на дані реального світу. Приклади включають автономні дрони, безпілотні автомобілі та автоматизацію виробництва. Роботи-пилососи та газонокосарки використовують спрощену форму втіленого ШІ. Ці автономні системи використовують ШІ, щоб навчитися долати перешкоди у фізичному світі. Більшість втілених ШІ використовує алгоритмічно закодовану карту, яка багато в чому схожа на ментальну карту лондонської мережі лабіринтів доріг і орієнтирів, якими користуються водії міських таксі. Насправді дослідження того, як лондонські таксисти визначають маршрут, були використані для розробки таких втілених систем.
Деякі з цих систем також включають тип втіленого групового інтелекту, який можна знайти в зграях комах, зграях птахів або стадах тварин. Ці групи підсвідомо синхронізують свої рухи. Імітація такої поведінки є корисною стратегією для розробки мережі дронів або складських транспортних засобів, якими керує втілений ШІ.
Історія втіленого ШІ
Розробка втіленого штучного інтелекту почалася в 1950-х роках з кібернетичної черепахи, яку створив Вільям Грей Уолтер в Неврологічному інституті Бердена у Великій Британії. Але знадобилися десятиліття, перш ніж втілений штучний інтелект набув права. У той час як когнітивний і генеративний ШІ навчаються на великих мовних моделях, втілений ШІ навчається на своєму досвіді у фізичному світі, так само як люди реагують на те, що вони бачать і чують.
Однак сенсорні дані втіленого ШІ суттєво відрізняються від чуттів людини. Втілений ШІ може виявляти рентгенівські промені, ультрафіолетове та інфрачервоне світло, магнітні поля або дані GPS. Алгоритми комп’ютерного зору можуть використовувати ці сенсорні дані для ідентифікації об’єктів і реагування на них.
Побудова моделі світу
Ключовим елементом втіленого штучного інтелекту є його модель світу, розроблена для робочого середовища. Ця модель світу схожа на наше власне розуміння навколишнього середовища. Модель світу підтримується різними підходами до навчання. Одним із прикладів є навчання з підкріпленням, яке використовує підхід, заснований на політиках, для визначення маршруту — наприклад, за допомогою таких правил, як «завжди робити X, коли зустрічаєш Y».
Інший — активний висновок, який моделюється за тим, як працює людський мозок. Ці моделі постійно отримують дані з навколишнього середовища та оновлюють модель світу на основі цього потоку в реальному часі — подібно до того, як ми реагуємо на те, що бачимо та чуємо. Навпаки, деякі інші моделі ШІ не розвиваються в реальному часі.
Активний висновок починається з базового рівня розуміння навколишнього середовища, але він може швидко розвиватися. Таким чином, будь-який автономний транспортний засіб, який покладається на активні висновки, потребує тривалого навчання, щоб безпечно використовувати його на дорогах. Втілений штучний інтелект також може допомогти чат-ботам покращити взаємодію з клієнтами, зчитуючи емоційний стан клієнта та відповідним чином адаптуючи його відповіді.
Хоча втілені системи штучного інтелекту все ще знаходяться на ранніх стадіях, дослідження швидко розвиваються. Удосконалення генеративного штучного інтелекту природно сприятиме розвитку втіленого штучного інтелекту. Втілений штучний інтелект також виграє від покращення точності та доступності датчиків, які він використовує для визначення оточення.
