Kiedy roboty posiądą ludzką inteligencję?

W którą stronę powinniśmy się udać na spotkanie z uczonymi, którzy działają w obszarze sztucznej inteligencji i robotyki? Dla wielu czytelników będzie to z pewnością zaskoczenie. Większość z nich nie siedzi przy produkcji prototypów z lutownicą w ręku, ale pracuje w ciepłym biurze, przy komputerze, nad skomplikowanymi wzorami i algorytmami. Koncept maszyn, które będą wykonywać trudną i niebezpieczną pracę za człowieka, zrodził się w umysłach inżynierów już praktycznie od pierwszych powstałych elektronicznych urządzeń. Droga do konstrukcji takich maszyn była o wiele bardziej kręta, niż wydawało się optymistom w połowie XX wieku, kiedy robotyka zaczęła się szybko rozwijać. Po okresie, w którym wydawało się, że ożywczy „pergamin” z legendy o Golemie może zostać zapisany wyłącznie w języku matematycznej logiki, uczeni zaczęli stopniowo zwracać się w kierunku matki natury.

A jak jest dziś?
Jak katolicy i protestanci Chyba możemy zdradzić naszym czytelnikom, że robotyka nie jest właściwie niczym innym jak tylko „gablotą wystawową” innej, choć pokrewnej dziedziny badań w obszarze sztucznej inteligencji. Nie bez przesady mówi się, że inżynierowie ubierają w mniej lub bardziej twarzowe „okrycie” z blachy, prętów i elektroniki to, co matematycy i informatycy tworzą w swoich umysłach. Podobnie jak jakakolwiek inna dziedzina, również i robotyka teoretyczna przechodziła rozwój, którego ślady są do dziś widoczne w pracach współczesnych uczonych. Naukowcy z przymrużeniem oka mówią, że przez długi czas istniały obok siebie dwa programy badawcze, których przedstawiciele zachowywali się względem siebie niemalże jak katolicy i protestanci. Ich cel był taki sam, ale dążyli do niego dwiema różnymi drogami. Świat pozbawiony barw. O jakie dwie drogi chodziło? Na początku badań w dziedzinie technologii informatycznych, sztucznej inteligencji i jej aplikacji w robotyce uczeni wierzyli, że do prawidłowego funkcjonowania robota wystarczy dobre oprogramowanie. Fundamentem tej teorii działania robota jest fakt, że „inteligencja” robota podzielona jest na segmenty (moduły), które odpowiadają za czynności takie jak postrzeganie czy planowanie. Podejście to funkcjonuje bezbłędnie, a dla programatorów stanowi pewny grunt pod nogami, jednak w konfrontacji z rzeczywistością ma jedną wielką wadę. Opisuje świat, jakby był „pozbawiony kolorów, jak bardzo uproszczoną abstrakcję. W podobnie uproszczony sposób traktuje ludzkie myślenie jak klasyczny komputer, który ma swoje „myśli” podzielone na różne segmenty, np. postrzeganie, planowanie czy przeprowadzanie różnych czynności. Takie uproszczenie może oczywiście być bardzo funkcjonalne np. gdy dochodzimy do jakichś wniosków, przed dokonaniem dokładnych równań matematycznych, które pokazują, dlaczego do nich doszliśmy), ale tylko w bardzo ograniczonym zakresie. W konfrontacji z prostymi rzeczywistymi sytuacjami, jak na przykład rozpoznawanie ludzkich twarzy czy wykonywanie kilku czynności lub procesów myślowych jednocześnie, metoda ta całkowicie zawodzi.

Co to jest GOFAI?
Fakt, że uczeni, zwłaszcza ci anglosascy, uwielbiają skróty, jest ogólnie znany. Podobne uwielbienie panuje także wśród ekspertów zajmujących się sztuczną inteligencją i robotyką. Skrót GOFAI pochodzi od pierwszych liter angielskich słów good old fashione dartificial intelligence, czyli dobra stara sztuczna inteligencja. GOFAI jest właśnie taką metodą, która wyróżnia się symbolicznym ujęciem inteligencji z naciskiem na metody logiki matematycznej, uzasadnienia i planowania. Inspiracja z natury. Na szczęście, równocześnie z redukcyjnym spojrzeniem, które reprezentuje logika matematyczna, niemalże od lat 40 rozwijała się metoda, która nie polegała w takim stopniu na nieomylności rozumu ludzkiego, ale inspirowała się również naturą, konkretnie zwierzętami. Praktycznie każde zwierzę (może oprócz najprostszych organizmów, będących zbiorem komórek) wyposażone zostało w układ nerwowy, który umożliwia mu mniej lub bardziej elastyczną reakcję na bodźce zewnętrzne. Każda tkanka nerwowa składa się z pojedynczych komórek nerwowych neuronów. Mogą one przekazywać sobie informacje poprzez tzw. synapsy. Przez ich połączenie powstaje sieć neuronów, która nie tylko potrafi przetwarzać informacje, ale także je zapamiętuje. Taka sieć neuronów może zostać sztucznie stworzona za pomocą aparatu matematycznego. Tym sposobem sztuczne układy dostały szansę na wypełnienie swoich „głów” prawdziwym „mózgiem”.

Długa zima programowania
Włączenie koncepcji sieci neuronowej do badań sztucznej inteligencji i robotyki mogło oznaczać wielki krok naprzód. Jednak masowe wykorzystanie tego sposoby zostało wstrzymane. Odpowiadał za to autorytet jednego z gigantów w dziedzinie badań sztucznej inteligencji, Amerykanina Marvina Minskiego, wielkiego zwolennika GOFAI. Naukowiec ten wraz z kolegą Seymourem Papertem już w 1969 r. opublikował niezwykle wpływową książkę Perceptrony: wstęp do geometrii informatycznej. W niej podkreślił ograniczenia dotychczasowych form teorii sieci neuronowych. Tym samym według wielu autorów w dziedzinie badań nad sztuczną inteligencją nastał okres długiej „zimy” (ang. AIwinter).  Opinia tego autorytetu odsunęła badania nad sieciami neuronowymi na dalszy plan, aż do końca Lat 80. Ubiegłego wieku. Zmiana w tym obszarze nadeszła wraz z początkiem 1986 r. To właśnie wtedy ukazały się przełomowe studia na temat sieci neuronowych, autorstwa amerykańskich psychologów Davida Rumelharta i Jamesa Mc Clenllanda. Ich praca wywołała lawinę badań, a sieciami neuronowymi zajęło się wiele centrów badawczych na całym świecie. Ważną rolę odegrał również fakt, że w tamtym czasie technologia informatyczna osiągnęła już wystarczająco wysoki poziom, by można było wykonać skomplikowane symulacje ich funkcjonowania . . z nauczycielem czy bez Proces, dzięki któremu sieć neuronowa potrafi stopniowo uczyć się, a następnie znaleźć najlepsze rozwiązanie danego problemu, przebiega dwutorowo. Wyobraźmy sobie na przykład robota, który ma się nauczyć, aby omijać ściany napotkane na drodze. Cel osiągnie dużo łatwiej, jeżeli będzie miał do dyspozycji „nauczyciela”, który na początku pokaże mu , co wykonuje źle (innymi słowy zapewni mu „zestaw ćwiczeń”). Taki typ nauki uczeni nazywają „nauką z nauczycielem”. Sieć neuronowa może również uczyć się w przypadku braku nauczyciela. Nie trudno sobie wyobrazić, że taki proces nauki jest o wiele bardziej skomplikowany. Jednak programiści umieją sobie poradzić także z tym problemem. Jak? Prawidłowe opcje, na przykład to, że robot nie zderza się ze ścianą, są wzmacniane (tzw. reinforcement learning, czyli uczenie przez wzmacnianie). Wyuczone modele zachowań są następnie segregowane i udoskonalane za pomocą analogii selekcji naturalnej Darwina ostatecznie zwycięża najskuteczniejsza metoda. Cyfrowy darwinizm W teorii ewolucji zaproponowanej przez Darwina znajduje się koncepcja doboru naturalnego(survival of the fittest), często błędnie utożsamiana z „przeżyciem najsilniejszego”. W rzeczywistości nie chodzi o siłę, ale o posiadanie cech i strategii zapewniających przewagę nad pozostałymi osobnikami i gwarantującym przeżycie. Teoria ta zainspirowała amerykańskiego cybernetyka Johna H. Hollanda (1929), kiedy rozwiązywał problem, jak nauczyć roboty, czy chociaż programy komputerowe, szukania rozwiązań problemów, o których na początku niewiele wiadomo. Jego metoda, która znalazła wiele zastosowań, jest znana jako algorytmy genetyczne (nazwana tak z powodu opierania się o teorie genetyka ewolucyjnego Ronalda Fishera).Metoda Hollanda umożliwia wybór najlepszego rozwiązania, dzięki wprowadzeniu rywalizacji między kilkoma wersjami programów. Z czasem zostaje wybierana ta opcja, która w danej chwili jest najlepsza z możliwych. Nowe wersje programów znalazły wiele inspiracji w naturze wykorzystują na przykład mutacje lub rekombinacje genów przy podziale komórek płciowych.

Co z sieciami neuronowymi?
Możliwości wykorzystania sieci neuronowych są niemalże nieograniczone i większość z nas wykorzystuje je już każdego dnia, nawet o tym nie wiedząc. Wykorzystywane są w przypadku, gdy potrzebna jest szybka decyzja, a ich granica błędu jest akceptowalna (posiadają skuteczność około 95%). Ich umiejętność uczenia się działa niemalże bezbłędnie np. przy rozpoznawaniu zawartości fotografii(właśnie dla tego Facebook zazwyczaj rozpoznaje zdjęcia o treści erotycznej i nie pozwala na ich zamieszczanie). Podobne algorytmy mogą także np. przepowiadać wahania cen papierów wartościowych na giełdzie czy zarządzać funkcjami robotów.

Przyszłość należy do kombinacji
Badanie własności i zastosowania sieci neuronowych zanotowało największy rozwój w latach 90 ubiegłego wieku. W tej dekadzie uczeni odkryli wiele istotnych szczegółów dotyczących ich funkcjonowania, wśród nich także ich wady i niedostatki. Ta największa polega na tym, że sieć neuronowa jest wyłącznie „reakcyjna”. Naukowcy mówią, że robot kierowany przez „mózg”, opierając się na sieci neuronowej, potrafi przejść labirynt, ale nie potrafi zrobić zakupów według listy. Dlatego według nich przyszłość sztucznej inteligencji i robotyki leży w kombinacji różnych tradycyjnych metod, czyli w tak zwanych metodach hybrydalnych. Sieci neuronowe można łączyć z tradycyjnymi metodami GOFAI, algorytmami ewolucyjnymi czy „twardą” informatyką opartą na metodach statystycznych i numerycznych. Jak widać, również świat twórców sztucznej inteligencji przechodzi nieoczekiwane etapy swojej własnej ewolucji.

5 obszarów największej działalności robotów
Dla większości czytelników robot to maszyna, przypominająca kształtem człowieka, android, który pokornie służy swojemu właścicielowi. Jednak sposobów wykorzystywania zdobyczy badań nad sztuczną inteligencją i robotyką jest znacznie więcej. Dziś coraz częściej spotykamy się z rezultatami pracy robotów. Może nawet częściej, niż nam się wydaje. Wprowadzanie do prac w pełni zautomatyzowanych maszyn ma sens wszędzie tam, gdzie ręka ludzka była zbyt niedokładna, powolna, droga czy też tam, gdzie praca stanowiła dla człowieka zbytnie zagrożenie. W wielu przypadkach (zwłaszcza w obszarze automatyzacji przemysłu) maszyna może zostać zaprogramowana w bardzo prosty sposób. W momencie, gdy zaczniemy wymagać od robotów, żeby wzięły swój los we własne ręce i z zaprogramowanej maszyny zmieniły się w jednostkę, która potrafi pracować, chociaż w pewnej mierze samodzielnie, musimy najpierw rozwiązać kilka bardzo ważnych problemów.

ROBOTY UCZĄ SIĘ WSPOŁPRACY
Jeden robot może być bardzo istotnymi efektywnym pomocnikiem, istnieje jednak wiele zadań, do których wykonania jeden robot nie wystarczy. Nauczenie robotów współpracy jest jednym z najważniejszych, a zarazem najtrudniejszych zadań, przed którymi stoją uczeni w tej dziedzinie badań. Zadanie to ma oczywiście bardzo długą historię.

Złożoność z prostoty
Badania nad sztuczną inteligencją i robotyką czerpią z pomysłów podsuwanych przez naturę. Jednym z takich badań jest obserwacja zachowań najróżniejszych gatunków zwierząt, na przykład szpaków czy sardeli. Każdy, kto obserwował gromady tych zwierząt, zauważył, że potrafią się one zachowywać jak jeden duży organizm. Takie zachowanie nie jest proste do osiągnięcia. Jak to możliwe, że ptaki czy ryby nie rozpierzchną się na wszystkie strony? Pamiętacie scenę z filmu Powrót Batmana, w której przez ekran przelatuje ogromne stado nietoperzy? Jest to dzieło amerykańskiego uczonego Craiga Reynoldsa, który swoje teorie potrafi przełożyć na animacje komputerowe. Reynolds jako pierwszy badał „inteligencję stadną” (swarm intelligence).Swoje sztuczne stworzenia, które zaczęły gromadzić się w stada, Reynolds nazwał boids. Do opisania ich zachowań stworzył kilka prostych zasad (algorytm stada). Ku zaskoczeniu okazało się, że tych kilka prostych praw wystarcza, aby na poziomie całości pojawiły się własności, których nie posiada żadna jednostka wchodząca w skład całej grupy.

Jak odnaleźć wyjście z labiryntu?
Nad rozwiązaniem tego problemu pracuje wiele zespołów badawczych na całym świecie. Podstawową ideą jest uczenie robotów, polegające nie na kierowaniu się wcześniej zaprogramowanymi instrukcjami, ale samoistne wnioskowanie, jak zachować się w niektórych sytuacjach. Robot jest kierowany przez sieć neuronową, która, jak mały mózg(dziesiątki uproszczonych modeli neuronów) łączy wejścia, czyli sensory robota, z wyjściami, najczęściej napędzane silnikami. Sieć neuronowa uczy się za pomocą algorytmu ewolucyjnego i w wiernym symulatorze można zarządzić ewolucję populacji o na przykład50 osobników w trakcie życia tysięcy generacji.

Kiedy robot przemówi?
Robot, przynajmniej ten, którego wyobrażamy sobie po obejrzeniu filmów scifi, powinien potrafić bez większych problemów porozumieć się z człowiekiem. Wyposażenie robotów w mechanizm mowy nie stanowi dziś nadzwyczajnego problemu. Dużo trudniejsze jest zaprogramowanie ich tak, żeby potrafiły używać mowy z sensem oraz potrafiły uczyć się nowych znaczeń i sposobów używania słów od innych ludzi . Ale nawet naśladowanie umiejętności małych dzieci stanowi dla robotów niemały problem.

Lingodroidy zaczynają rozmawiać
W ciągu ostatnich lat uczeni pracujący nad tym zagadnieniem dokonali kilku ważnych odkryć. Jednym z nich są „lingodroidy”, które zostały skonstruowane przez naukowców z University of Queensland, niedaleko Blisbane. Lingodroidy są ruchomymi robotami, wyposażonymi w kamery i lasery, dzięki którym mogą nawigować swoje ruchy. Jednak oprócz tego mają zamontowane także mikrofony i głośniki. Ich zadaniem było stworzenie mapy swojej okolicy za pośrednictwem nowo wymyślonych słów. Gdy tylko robot znalazł się w nieznanym miejscu, nazywał je przypadkową kombinacją sylab i przekazał tę nazwę kolejnym robotom. Robotom udało się stopniowo stworzyć własną „mapę” swojej okolicy, za pośrednictwem której mogą komunikować skąd i dokąd idą. Bardzo ważnym faktem było to, że roboty wymyślały nowy „język” całkiem same i umiały także przekonać pozostałe roboty, aby komunikowały się z nimi.

Robot dziecko sylabizuje
Niedawno dziedzina „uczenia się języków” została również wyeksploatowana przez projekt uczonych z University of Hertfordshirew brytyjskim mieście Hatfield. W ramach projektu iTalk w ich „robocie dziecku” udało im się odwzorować proces, który u ludzkich dzieci pojawia się w wieku od 6 do 1 4 miesięcy. W tym stadium rozwoju mowy z pierwotnego eksperymentalnego „gaworzenia” zaczynają wynurzać się pierwsze słowa. Dzieje się tak dzięki korygowaniu sylab na podstawie mowy zasłyszanej od dorosłych osób. Sukces humanoidalnego robota dziecka iCub był ogromny. Urządzenie nauczyło się dzielić pierwotne gaworzenie na jednoznacznie oddzielone sylaby, w większości przypadków zaledwie w ciągu kilku minut.

ROBOTY W SŁUŻBIE ZDROWIA
Jednym z kolejnych bardzo ciekawych i ważnych zastosowań robotyki w praktyce jest medycyna. Roboty mogą pomagać w szpitalach na wiele sposobów, od tych najbardziej skomplikowanych i odpowiedzialnych, jak trudne operacje, po, na przykład, dostarczanie jedzenia chorym.

Cyborg na sali operacyjnej Głównym obszarem zastosowani arobotyki w medycynie jest pomoc przy najróżniejszych typach operacji. Nie są to typowe roboty, ale współczesne cyborgi, czyli połączenie organizmu mechanicznego i organicznego. Podczas gdy mózg, który kieruje operacją, należy stale do ludzkiego lekarza, mechaniczny i elektroniczny „organizm” wykonuje szeroką gamę zadań. Przyszłością medycyny jest też wykorzystywanie zasady „rzeczywistości rozszerzonej” (augmented reality), czyli realny obraz uzupełniony o szczegóły, dodane przez użytkownika komputera.

Pomocnicy nie tylko lekarzy
Istnieją także inne, na pierwszy rzut oka, mniej efektowne, wyzwania. Jednym z największych jest rozwiązanie problemów, z którymi borykają się starsze osoby. W rozwiniętych krajach na całym świecie dochodzi do stopniowego starzenia się populacji, starszych osób w szpitalach czy najróżniejszych sanatoriach będzie stale przybywać. Natomiast jeżeli młodych będzie coraz mniej, pojawi się potrzeba zwiększenia efektywności pracy. Do tego mają służyć właśnie pomocnicy w postaci robotów. Przykładem może być system opracowywany przez japońskich naukowców z lnstitute of Technology w Kanagawie pod kierownictwem Keijira Yamamoto. Zespół zdecydował się nie podążać drogą konstruowania robota siostry oddziałowej, ale postanowił stworzyć urządzenie, które pomogłoby żywym pielęgniarkom przy unoszeniu i przekręcaniu leżących pacjentów.

Czy seniorzy zaakceptują zautomatyzowanych pomocników?
Roboty mogą naturalnie pomagać starszym lub chorym osobom w wielu codziennych czynnościach domowych. Jednak u rządzenia mogą napotkać jeszcze jedną przeszkodę chęć ich wykorzystywania przez starszych ludzi. Uczeni z Instytutu Technologicznego w Georgii pod kierownictwem Cory Ann Smarr przeprowadzili niedawno ankietę wśród seniorów w wieku od 65 do 93 lat. Ich badanie, przynajmniej wśród seniorów amerykańskich, ku zaskoczeniu nie przyniosło wyników wskazujących na „technofobię” starszych osób. Największe zainteresowanie pomocą robotów wśród seniorów dotyczy pomocy przy zajęciach domowych oraz przy zażywaniu i dawkowaniu leków.

MASZYNY W ODMĘTACH KOSMOSU
Jednym z najbardziej wyróżniających się obszarów działalności robotyki jest badanie kosmosu. Automatyczne i pół automatyczne urządzenia są oczywiście wykorzystywane również w sytuacjach, kiedy statek kosmiczny czy stacja orbitalna ma załogę osobową. Wmontowywane są w obiekty okrążające Ziemię po orbicie, jednak ważniejszą rolę odgrywają w sondach, których zadaniem jest zbadanie bardziej odległych głębi kosmicznych.

Nadchodzą robonauci
Całkowicie wyjątkowym projektem w dziedzinie robotyki jest robonauta. Jest to robot humanoidalny, skonstruowany w Centrum Lotów Kosmicznych imienia Lyndona B. Johnsona w Houston w stanie Teksas. Kiedy dwa lata temu samolot kosmiczny Discovery przetransportował tego robota na Międzynarodową Stację Kosmiczną (mówiąc dokładnie jego druga wersja R2), zdjęcia z tego wydarzenia obiegły cały świat. Robot jest absolutnym szczytem współczesnej robotyki. Został stworzony, aby pracować u boku astronautów przy zadaniach, które są  ponad ich siły (przede wszystkim fizycznie).Głównym zadaniem R2 jest testowanie możliwości robotów w kosmosie. W jego następcach(np. roboty Centaur 2, Zero G leg czy RMP) pokładane są wielkie nadzieje związane m.in. z misjami na Księżyc i Marsa. Następcy robota będą charakteryzować się między innymi ulepszoną mobilnością: Centaur2 wyposażony jest w czterokołowe podwozie, RMP zaś porusza się na dwóch kołach.

ROBOTY BUDOWNICZOWIE
Kolejnym istotnym obszarem działalności najróżniejszych robotów jest oczywiście budownictwo. Siła rozmaitych maszyn już od dawna pomaga człowiekowi w budowie jednak inteligentne maszyny mogłyby spowodować prawdziwą rewolucję w niektórych obszarach budownictwa .

Roboty budują drapacze chmur
Zespół badawczy prowadzony przez Hoda Lipsona z prestiżowego Uniwersytetu Cornella zaprezentował niedawno projekt robotów, które mogłyby zrewolucjonizować budownictwo. Ich maszyny mogłyby z powodzeniem zastąpić ludzi przy budowie wysokich budowli, takich jak nadajniki czy wieżowce. Prototypy robotów na pierwszy rzut oka przypominają pająki, które mogą poruszać się po budowie w górę i w dół, a przy tym automatycznie budować lub rozbierać fragmenty budynku. Student Lipsona, Jeremy Blum, który jest uczestnikiem projektu, widzi przyszłość tych robotów także w misjach kosmicznych. Na Międzynarodowej Stacji Kosmicznej (IS S)roboty mogłyby wykonywać niezbędne naprawy, które na razie muszą być wykonywane przez astronautów. Podobnie jak w przypadku budowli ziemskich, główną zaletą ich działania byłoby zwiększenie bezpieczeństwa człowieka.