Los robots inteligentes son el objetivo final de la IA
Hoy, estamos adoptando un nuevo mundo en el que todo está conectado de forma inteligente. Cada vez hay más cosas y dispositivos interconectados a través de Internet, lo que provoca una explosión de datos. Se acerca la avalancha de datos y los datos se están convirtiendo en la fuerza impulsora más importante en el campo de la tecnología. El surgimiento de una serie de tecnologías de futuro, como la inteligencia artificial, la conducción autónoma, 5G y VR/MR, nos brinda la oportunidad de liberar completamente el potencial de estos datos y mejorar continuamente la experiencia de la vida humana. Esperamos compartir e intercambiar con todos las observaciones de Intel sobre las tendencias tecnológicas de futuro y explorar el presente y el futuro de la interconexión inteligente de todas las cosas. Como comienzo de una serie de artículos de columna, primero exploremos las oportunidades industriales en la era de la inundación de datos desde la perspectiva de los robots y la inteligencia artificial. Integración de IA e SI para promover robots inteligentes Los robots industriales, como el campo de aplicación más importante de la inteligencia artificial, siempre han llamado la atención. Los robots inteligentes que aparecen a menudo en los éxitos de taquilla de Hollywood han creado grandes expectativas para el público, pero las capacidades de inteligencia de los robots de servicios de la vida real están lejos de cumplir con los estándares. Con la reciente ola de inteligencia artificial impulsada por el aprendizaje profundo, cómo romper la industria de los robots inteligentes es una cuestión muy importante. Creo que dos aspectos son muy críticos: uno es la profunda integración de la inteligencia artificial (AI: Artificial Intelligence) y la interacción inteligente (SI: Smart Interaction); Dejaremos la discusión sobre seguridad para más adelante. Hoy nos centraremos en la integración de IA e SI. La IA tiene una definición comúnmente utilizada en los círculos académicos, que es comprender la esencia de la inteligencia y ser capaz de producir una máquina inteligente que responda a entradas externas de manera inteligente como los humanos. El objetivo final de esta asignatura es permitir que las máquinas tengan capacidades de respuesta inteligentes, por lo que los robots inteligentes pueden considerarse como el objetivo final de la inteligencia artificial. Hay dos formas de comprender la esencia de la inteligencia: una es utilizar métodos filosóficos o psicológicos para observar el comportamiento humano desde el exterior e inferir qué tipo de forma inteligente piensa la gente; la otra es abrir el cerebro humano y observar los nervios; estructuras anatómicas y descubra las leyes de la actividad inteligente a través de tecnología de detección de actividad cerebral y experimentos cuidadosamente diseñados. Cuando tengamos una comprensión de la inteligencia (no necesariamente correcta, pero al menos tengamos un modelo), entonces cómo hacer que las máquinas sean inteligentes requerirá que matemáticos, informáticos y expertos en automatización estudien. Por lo tanto, hay muchos temas relacionados con la inteligencia artificial, además de teorías, modelos y algoritmos blandos, también deben depender de la implementación de hardware, por ejemplo, se necesitan chips para proporcionar computación y almacenamiento potentes. Para entidades inteligentes como los robots, también se requiere soporte tecnológico de control de sistemas complejos. La actual ola de locura por la inteligencia artificial en realidad se beneficia de las últimas mejoras en informática y almacenamiento. La tecnología de redes neuronales está inspirada en la estructura neuronal del cerebro, pero es completamente diferente del proceso de 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 este modelo para inferir nuevos datos. Esto se llama proceso de aprendizaje automático, que requiere mucho almacenamiento y potencia informática, y ahora estamos en una era muy adecuada para su desarrollo. ¿Por qué es tan adecuado? Gracias a los beneficios de la Ley de Moore, las capacidades de hardware se han desarrollado significativamente en los últimos 20 años: la potencia informática por costo unitario aumentó 15.000 veces y las capacidades de almacenamiento aumentaron 30.000 veces. 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 equipar a las máquinas inteligentes con cerebros potentes, sino también utilizar de forma flexible las capacidades de la nube cuando sea necesario. La combinación de nube y terminal libera la capacidad de aprendizaje y mejora continua. Los algoritmos de IA, al igual que el aprendizaje profundo, han dado un gran paso adelante a través de las estadísticas y el big data. Han superado las capacidades humanas en el reconocimiento de imágenes y de voz. Y vemos que ahora es posible obtener datos más grandes. Por ejemplo, un automóvil sin conductor genera 4 TB de datos en un día, 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. Hoy en día, el aprendizaje profundo es excelente, pero no basta con confiar en este tipo de algoritmo para procesar tantos tipos de datos para completar las tareas objetivo. Por lo tanto, NN+X significa agregar varias tecnologías nuevas a las redes neuronales y enfrentar las limitaciones de los algoritmos de inteligencia artificial.
Citando las opiniones del profesor Rodney Brooks (experto en inteligencia artificial, destacado representante de la escuela del comportamiento, académico de la Academia Nacional de Ingeniería, fundador de iRobot, RethinkRobotics, padre de Baxter y ex director de MITCSAIL), que también es una gran figura En el campo de la inteligencia artificial, abogó por no ir allí todavía, no importa qué tipo de modelo lógico o qué tipo de modelo de red neuronal se utilice para simular el proceso de pensamiento humano, debe percibirse a través de agentes inteligentes reales y luego estudiarse. cómo dar la respuesta correcta a través de la optimización de todo el sistema. Considera que la industria en particular no debe obsesionarse con una determinada tecnología, lo importante es utilizar la tecnología de acuerdo con las necesidades reales y aportar valor a la humanidad. Cree que el valor que puede aportar la primera ronda de IA será de unos cinco años, en el ámbito de la conducción asistida y autónoma, y la segunda ronda será de unos diez años, y puede aportar un gran valor social en el ámbito de las personas mayores. -robots asistidos. En cuanto a añadir capacidades inteligentes a las máquinas, toda la industria está adoptando un enfoque de tres pasos. El primero es conectar algunos dispositivos que no están conectados a Internet. Después de conectarse a Internet, el dispositivo tiene la capacidad de transmitir y actualizar información. Al mismo tiempo, también se puede combinar con servicios sociales para brindar valor al cliente. . Pero esto no es muy inteligente, sólo cuenta la interconexión de dispositivos. El segundo paso es el nivel de dispositivos inteligentes en el que nos encontramos actualmente. De hecho, estos servicios inteligentes se pueden proporcionar en teléfonos móviles, agregando capacidades de reconocimiento visual y auditivo y luego combinando tecnología de extracción de datos y base de conocimientos para brindar servicios. Estas máquinas inteligentes pueden escuchar y ver, pero aún no pueden comprender ni comprender. El objetivo final es el paso tres, que son las máquinas autónomas. Ahora básicamente hemos pasado el segundo paso y avanzamos hacia el tercer paso. Pero este proceso de desarrollo no es lineal, porque se volverá cada vez más complejo a partir del segundo al tercer paso, no sólo para comprender el entorno y el comportamiento, sino también para comprender las emociones humanas. Debido a que los robots sirven a las personas, si no pueden comprender las emociones de las personas y lograr una conciencia comunicativa, no podrán brindar buenos servicios. El robot inteligente en el proceso de CT a RT es un sistema autónomo típico. 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 debe trabajar en estrecha colaboración con otras tecnologías para completar la "percepción-cognición-ejecución" humano-computadora. Interacción en circuito cerrado. Los robots trabajan en un entorno abierto y atienden a consumidores comunes y corrientes que no están dispuestos a respetar reglas rígidas de interacción. Hay muchas incertidumbres en todo el proceso de interacción. Ningún algoritmo de IA puede garantizar que no habrá problemas. Por lo tanto, se deben combinar otras tecnologías para satisfacer las expectativas de los consumidores sobre los robots inteligentes. Creo que la Interacción Inteligente (SI) es la mejor opción porque puede utilizar plenamente la movilidad y las capacidades de interacción activa de los robots para hacer uso de los humanos, el agente inteligente general, para complementar la inteligencia artificial. Dé dos ejemplos para ilustrar el poder de la interacción inteligente. Sabemos que al reconocer objetos visualmente, los ángulos y las oclusiones afectarán el efecto de reconocimiento. En el caso de los robots, puede utilizar la movilidad para elegir activamente un buen ángulo y evitar la oclusión para identificar objetos con precisión. Además, durante la comprensión de la escena, si un objeto que se puede segmentar con precisión no está seguro de qué es (como un taburete o una mesa de café), el robot puede formular activamente una pregunta para formularle a la persona. De esto podemos ver que el uso flexible de las capacidades de interacción y movimiento activo del robot puede mejorar significativamente las capacidades generales del servicio y promover la industrialización de los robots inteligentes. En resumen, creo que en términos de iteración comercial de robots inteligentes, primero debemos asegurarnos de que las capacidades del servicio estén a la altura del estándar y luego seleccionar algoritmos de inteligencia artificial apropiados basados en este requisito de capacidad y trabajar con soluciones flexibles de interacción inteligente para lograrlo. capacidad. Con la mejora de las capacidades algorítmicas y la tecnología de hardware, expandir gradualmente la proporción de IA manteniendo las capacidades de servicio es un ciclo positivo para promover el desarrollo de la tecnología de IA a través del desarrollo comercial.