Расскажите этому роботу как выглядит черепаха

Представьте, что вы робот. Хорошо, представили? Потрясающе!  Теперь, РОБОТ, возьми эти цветные блоки и ПОСТРОЙ МНЕ ЧЕРЕПАХУ!

Если вы прямо сейчас начали паниковать, это понятно. Робот, вероятно, даже не представляет как выгядит черепаха, еще меньше представляет как построить ее из блоков. Существуют методы, с помощью которых можно рассказать роботу о черепахе и блоках, но вы, будучи человеком, безнадежно испорчены, и только сможете рассказать ему о своем видении черепахи и о том, как использовать блоки, чтобы ее построить.

А роботу необходимо совсем другое. Ему нужно изучить массу различных примеров черепах, а затем с помощью машинного обучения выбрать самый надежный и эффективный способ для построения.

И вместо того, чтобы сделать все это самостоятельно, исследователи из Университета Вашингтона предпочитают развивать его в рамках краудсорсингового проекта.

Сервис Amazon's Mechanical Turk дает возможность тысячам реальных людей выполнить небольшой объем работы за небольшую сумму денег. Это лучше всего работает, когда у вас есть простая задача, которую нужно повторить много много раз, и человек может сделать ее достаточно быстро в отличие от компьютера/робота.

Например, есть одна задача: посмотреть на серию изображений и точно определить, подходит ли данное ключевое слово для каждого изображения. Очень легко для человека, очень трудно для компьютера.

Для исследователей и разработчиков, Amazon's Mechanical Turk — простой и дешевый способ получить огромные наборы данных от реальных людей. Например, если ваша задача сделать черепаху из нескольких блоков, вы можете получить результаты, которые будут выглядеть примерно так:

Моя понравилась картинка — 3 ряд, шестая слева.

Теперь, когда у вас есть все эти модели для «ручной сборки», то можно применить методы машинного обучения, чтобы рассказать роботу как построить черепаху, основываясь на сходстве с оригиналом и рейтингами моделей в интернет-сообществе.

Чем полезен сервис, так это возможностью использовать большое количество людей с минимальным количеством затрат. В конце концов, можно придти к тому, чтобы роботы, сталкиваясь с новой проблемой, использовали сервис самостоятельно, запросив помощи у людей.

Идея о том, чтобы роботы просили помощи, каждый раз, сталкиваясь с новой проблемой, является гениальной! Сделать робота, выполняющего большое количество задач, весьма проблематично. Но при прямой или косвенной поддержке людей, роботы, которые могут обратиться за помощью к людям, добьются гораздо больших успехов, чем те, которые будут учиться самостоятельно.

В будущем, работа будет направлена на изучение применения этого подхода для решения более сложных задач, таких как 3D сборка объекта и использование инструментов. А также надо наделить роботов способностью принимать решение, когда необходимо обратиться за помощью и когда попросить пользователей предоставить больше данных для обучения.

Источник: IEEE Spectrum

[add_ratings]