ロボットは人間に取って代わるのでしょうか？

人生の例を使って説明してみます。子どもが生まれると、何をどうすればいいのかわかりません。そしてある時点で彼は立ち上がろうとします。彼は試みるが、落ちてしまう。そして、転倒が痛かった場合、それは彼にとって否定的な経験になります。

何度も起き上がろうとした後、子供はどこか直感に基づいて、転ばずに起き上がる方法を考えます。そして数か月後、彼の筋肉は安定します。筋肉の記憶が活性化され、筋肉は調和して働き始めます。そして、条件付きのキャンディーは歩くためのインセンティブになる可能性があります。

強化学習の本質も全く同じです。 2メートル歩くことを目標とする擬人化ロボットは、何も知らない子供のようなものだ。そして、私は彼に、人間のように足を曲げて2メートル歩かなければならないという動機を与える必要があります。

— ロボットに何かをさせるにはどうすればよいでしょうか?

— ポジティブとネガティブの 2 種類の報酬を導入する必要があります。たとえば、重心が X 軸に沿って前方に移動した場合、1 ポイントを獲得します。重心が後方に移動した場合は 1 点減点されます。ロボットが横に転がった場合もペナルティが課せられます。ウォーキングはできるだけ自然に行う必要があります。

強化学習には、エージェント (学習するロボット) と、エージェントが対話する環境が存在します。後者からは、特定のアクションを正しく実行すると報酬を受け取ります。ロボットのニューラル ネットワークは、何を行う必要があるか、何をすべきではないかについて結論を導き出し、数ステップ先のアクションを計算します。また、強化学習中、ロボットは以前の経験を記憶します。

ロボットが学習すると、上に飛んだり、落ちたり、横に転がったりします。間違った行為をするたびに、彼は罰金を科され、この行為を繰り返さないように努めます。私たちの場合、6,000 回の試行の後、ニューマンは 2 メートル前に歩きましたが、この歩き方は不自然でした。そして今の私の仕事は、ニューマンを人々が通常歩くように歩かせることです。

――なぜ世界は擬人化ロボットを必要としているのでしょうか？

— 私の作品の 1 つは、デジタル ツインの作成に特化したものでした。これは、ロボットのすべての物理的特性を仮想環境で再現するモデルです。情報が交換されます。ロボットがモニター上で行っていることをその物理モデルに投影できます。宇宙で活躍するリモコンの一種です。

たとえば、火星の条件付き植民地化。まずは人に適した環境を整える必要があります。そして、擬人化ロボットは、グローバルな事柄だけでなく、ドアハンドルを押す方法などの小さな事柄にも役立ちます。これらは多機能な機械です。床を掃除するために作られたものではありません。そのためのロボット掃除機はすでに存在します。

――そのようなロボットのせいで人々は職を失うのでしょうか？

「ここで最も簡単な方法は、過去を振り返り、どのように畑の耕作者がコンバインに取って代わられたかを思い出すことです。人々は機械がすべてをやってくれるのではないかと恐れていましたが、機械は単独で動くことはできず、保守、修理、管理する人が必要です。

ロボットは現代の収穫機です。たとえば、中国と日本の工場には長い間ロボットマニピュレーターが装備されており、ロボットマニピュレーターなしでは生産が行えなくなりました。ロボットはうまく扱えば、役に立ちます。

2023年には、同じChatGPTがデザイナーを置き換えると彼らは言いました。しかし、それ自体は何かを作成するのではなく、人々が行ったことに基づいて作成されたテンプレートを生成するだけです。創造性、心の知能指数、批判的思考などのスキルは、依然として自動化することが困難です。

「ボットは一つの機能しか持たないが、人間は多機能である」

— サイエンス フェスティバルでのスピーチのために、Dota 2 のルールを勉強しました。なぜですか?

— 私は生活における強化学習の例を探していました。まず、ボーイフレンドがこのゲームについて私に教えてくれました。私はこのゲームがどのように機能するかについて 1 週間聞き、その後自分でプレイしました。そして、科学的なアプローチでゲームに取り組むと、多くの疑問を自問することになるため、困難になります。

また、2018 年に OpenAI ニューラル ネットワークがどのようにしてプロの Dota 2 プレイヤーに勝利したかを分析しました。これは e スポーツにとって画期的なイベントでした。その後、人工知能が人間では行われない方法で行動しました。

当初、ライブプレイヤーは、ボットがゲームにすぐに戻るためになぜこれほど多くのリソースを費やしているのか理解できませんでした。しかし、この戦略はライブプレイヤーも魅了しました。

— 人工知能は人間の数百倍の速さで学習するという事実に怖くありませんか？

— ボットの機能は 1 つだけですが、人間は多機能です。比較的言えば、Dota 2 のプレイ方法を学ぶために、OpenAI Five は 10 か月のリアルタイムで約 45,000 年間の独立したプレイを経験しました。そして、AIをDota 2から別のゲームに移動したとしても、AIはそこで何をすべきかを理解せず、再度学習する必要があります。

-AIは別のAIを生み出すことができるのでしょうか？

— 理論的にはすべてが可能ですが、実際には肯定的な答えは出せません。私にとって、人工知能は抽象的なものでも空想的なものでもありません。これは数学であり、人工知能が訓練される基礎となる多層的な例です。

人工知能は過去の経験を記憶する：これは強化学習の手法に基づいて述べています。この方法では、トレーニングのための準備ベースは必要ありません。ロボット、環境からのフィードバック用のセンサー、環境そのもの、そして目標が必要です。最初の反復から最後の反復まで、ロボットは得た経験を記憶します。

—人型ロボットは将来どのような課題に直面するのでしょうか？

「私たちは中国人の同僚と協力して、衛生や輸送の業務に擬人化ロボットを医療に導入するプロジェクトを開発しています。実際、将来的には、薬や患者が必要なものを運ぶなど、看護師の役割の一部を引き受ける可能性があります。すべては日常業務を最小限に抑えるためです。

将来的には、人間が作業できない領域で擬人化ロボットが役立つ可能性があります。困難な空間、空気のない場所、極寒の地域など。原則として、現在ではどの人気企業もイーロン・マスクのオプティマスやボストン・ダイナミクスのアトラスのような人型ロボットを導入しています。これが今後のトレンドです。

何か話したいことはありますか？私たちに手紙を書いてください 電報ボット。匿名だし早いし

オンラインの文章および写真を編集者の許可なく転載することを禁止します。 [email protected]