Бъдещето на роботиката е в двупосочното обучение
Наученото от всеки обособен робот може да бъде приложено към главните логаритми в облака и да се показа с всички останали роботи
Роботите се учат да интерпретират заобикалящия ги свят и да се приспособяват към условия
(снимка: CC0 Public Domain)
Когато става дума за роботи, множеството от нас си показват нещо, извадено от научната фантастика, или Пепър, виждан на софтуерни събития през последните няколко години, в най-хубавия случай – София. Но актуалната действителност не е чак толкоз вълнуваща.
Много от индустриалните роботи на пазара през днешния ден автоматизират елементарни, повторяеми задания като пакетиране, нареждане, продупчване на дупки. Тези роботи нормално са авансово програмирани да извършват съответна задача. Може да работят „ взаимно ” в една поточна линия, сглобяваща цялостен артикул, и въпреки всичко всеки си прави една съответна задача.
В последна сметка тези роботи не са самостоятелни. Те са лимитирани в осъществяването на една-единствена задача. Ако нещо ненадейно се промени, това води до блокиране на робота – той не знае какво да прави. Уви, машините не са адаптивни като хората. И в случай че фабриката би трябвало да бъде преустроена, с цел да създава нещо друго, тогава операторите на роботите би трябвало напълно да препрограмират машините за новата индустриална линия.
За благополучие софтуерният свят все по-добре се оправя с това да ползва машинно зрение и изкуствен интелект (ИИ) към машинния програмен продукт. Това ще обезпечи на роботите опция да интерпретират заобикалящия ги свят и да се приспособяват към условия, разнообразни от тези, на които са били в началото „ подготвени ”.
Но същинската просветеност на роботите ще зависи от двупосочното образование: тогава, когато наученото от всеки обособен робот или устройство може да бъде приложено към главните логаритми в облака – и по-късно да се споделя назад с всички останали роботи в дадената категория, споделя в блог обява Марк Андерсън, старши шеф световни решения за произвеждане в Equinix.
Истинската просветеност на роботите ще зависи от двупосочното образование, счита на Марк Андерсън, старши шеф световни решения за произвеждане в Equinix
(снимка: Equinix)
„ Тези контекстуално осъзнати системи от роботи ще бъдат свързани с IoT датчици, други роботи и цели цифрови екосистеми за обработка на данни посредством изкуствен интелект ”, споделя Андесън. Той счита, че обработката на всички тези данни ще зависи от съществуването на разпределена, хибридна и многослойна ИТ инфраструктура с ниска инертност и сигурна съгласуваност за продан на персонални данни.
По-умни роботи посредством IoT и изкуствен интелект
Въпреки че региона на роботиката може да има друг фокус от „ интернет на нещата (IoT) и изкуствения разсъдък, конвергенцията на тези технологии и техните поддържащи ИТ архитектури влива все по-голяма просветеност в крайните устройства – в тази ситуация роботите.
ABI Research вкарва термина „ Интернет на роботизираните неща (IoRT) ”, с цел да опише този вид система, „ където интелигентните устройства могат да следят събитията, да смесват данни от датчици от разнообразни източници, да употребяват местен и разпределен „ разсъдък ”, с цел да дефинират най-хубавия курс на деяние – и по-късно да работят за надзор или манипулиране на обектите във физическия свят ”.
За разлика от независим робот, програмиран да извършва съответна задача, IoRT системите са свързани между тях и посредством облака и могат да обменят данни и „ размишления ” за адаптиране към изменящите се условия в действително време.
Може да се каже, че има три съществени съставния елемент на обвързвана система от роботи: самите роботи, „ интернет на нещата ” и изкуствения разсъдък. IoT е като петте човешки сетива, възприемащи света. Изкуственият разсъдък е мозъкът, който обработва тази информация и я осмисля. Роботите – те са „ физическото тяло ”, което подхваща дейности въз основа на добитите познания.
В някои случаи ние реагираме без да мислим, като да вземем за пример да не допираме гореща печка, тъй като тялото ни към този момент се е научило да свързва болката със събитието. По същия метод следва да работи и роботизираната система на база IoRT, където физическите роботи получават „ разсъдък ”, нужен за доста бързо адаптиране към избрани обстановки.
В други моменти, когато се сблъскваме с нови обстановки, би трябвало да мислим и да се учим, преди да предприемем дейности. Например, научаваме се да стопираме на алена светлина при шофиране на кола. Именно за такива обстановки е намесата на „ облачната ” роботика, което в действителност цели възстановяване на главните модели на ИИ в облака със „ познания ”, събрани от обвързваните роботи.
Пример за в двете посоки образование – роботи за доставка
Един образец за това по какъв начин може да работи сходна система е „ армията ” от самостоятелни роботи за доставка на артикули. Всеки робот за доставка има свои лични датчици и ИИ система за работа и връзка с другите роботи в мрежата, както и към IoRT платформата.
С течение на времето може да стане ясно, че избрана права от дадена улица е проблем за няколко от роботите в групата. Може би светофарът свети зелено прекомерно малко, с цел да могат да преминат, или пък има ров. Всички данни по отношение на този проблем – такива като видеозаписи от датчиците и други – се изпращат към главните логаритми на ИИ в облака, с цел да се проучват, да се разпознаят и всички роботи от мрежата за доставка да бъдт подготвени по какъв начин да работят в региона на проблематичната улица.
След това обновеният логаритъм за ИИ бъде изпратен към целия флот от роботите (чрез актуализация на софтуера), те ще могат по-добре да се ориентират по въпросната пресечка.
Ниската инертност
За да работи добре този двупосочен метод на образование, доста значима е ниската инертност. Комуникациите сред машина и машина (M2M) и взаимоотношенията посред им изискват забавяне под 20 милисекунди. И до момента в който подобряването на главните модели на ИИ в облака може да толерира по-големи закъснения, връщането на актуализациите на софтуера назад към автопарка от роботи за доставки би трябвало да бъде надеждна и навременна.
Роботите се учат да интерпретират заобикалящия ги свят и да се приспособяват към условия
(снимка: CC0 Public Domain)
Когато става дума за роботи, множеството от нас си показват нещо, извадено от научната фантастика, или Пепър, виждан на софтуерни събития през последните няколко години, в най-хубавия случай – София. Но актуалната действителност не е чак толкоз вълнуваща.
Много от индустриалните роботи на пазара през днешния ден автоматизират елементарни, повторяеми задания като пакетиране, нареждане, продупчване на дупки. Тези роботи нормално са авансово програмирани да извършват съответна задача. Може да работят „ взаимно ” в една поточна линия, сглобяваща цялостен артикул, и въпреки всичко всеки си прави една съответна задача.
В последна сметка тези роботи не са самостоятелни. Те са лимитирани в осъществяването на една-единствена задача. Ако нещо ненадейно се промени, това води до блокиране на робота – той не знае какво да прави. Уви, машините не са адаптивни като хората. И в случай че фабриката би трябвало да бъде преустроена, с цел да създава нещо друго, тогава операторите на роботите би трябвало напълно да препрограмират машините за новата индустриална линия.
За благополучие софтуерният свят все по-добре се оправя с това да ползва машинно зрение и изкуствен интелект (ИИ) към машинния програмен продукт. Това ще обезпечи на роботите опция да интерпретират заобикалящия ги свят и да се приспособяват към условия, разнообразни от тези, на които са били в началото „ подготвени ”.
Но същинската просветеност на роботите ще зависи от двупосочното образование: тогава, когато наученото от всеки обособен робот или устройство може да бъде приложено към главните логаритми в облака – и по-късно да се споделя назад с всички останали роботи в дадената категория, споделя в блог обява Марк Андерсън, старши шеф световни решения за произвеждане в Equinix.
Истинската просветеност на роботите ще зависи от двупосочното образование, счита на Марк Андерсън, старши шеф световни решения за произвеждане в Equinix
(снимка: Equinix)
„ Тези контекстуално осъзнати системи от роботи ще бъдат свързани с IoT датчици, други роботи и цели цифрови екосистеми за обработка на данни посредством изкуствен интелект ”, споделя Андесън. Той счита, че обработката на всички тези данни ще зависи от съществуването на разпределена, хибридна и многослойна ИТ инфраструктура с ниска инертност и сигурна съгласуваност за продан на персонални данни.
По-умни роботи посредством IoT и изкуствен интелект
Въпреки че региона на роботиката може да има друг фокус от „ интернет на нещата (IoT) и изкуствения разсъдък, конвергенцията на тези технологии и техните поддържащи ИТ архитектури влива все по-голяма просветеност в крайните устройства – в тази ситуация роботите.
ABI Research вкарва термина „ Интернет на роботизираните неща (IoRT) ”, с цел да опише този вид система, „ където интелигентните устройства могат да следят събитията, да смесват данни от датчици от разнообразни източници, да употребяват местен и разпределен „ разсъдък ”, с цел да дефинират най-хубавия курс на деяние – и по-късно да работят за надзор или манипулиране на обектите във физическия свят ”.
За разлика от независим робот, програмиран да извършва съответна задача, IoRT системите са свързани между тях и посредством облака и могат да обменят данни и „ размишления ” за адаптиране към изменящите се условия в действително време.
Може да се каже, че има три съществени съставния елемент на обвързвана система от роботи: самите роботи, „ интернет на нещата ” и изкуствения разсъдък. IoT е като петте човешки сетива, възприемащи света. Изкуственият разсъдък е мозъкът, който обработва тази информация и я осмисля. Роботите – те са „ физическото тяло ”, което подхваща дейности въз основа на добитите познания.
В някои случаи ние реагираме без да мислим, като да вземем за пример да не допираме гореща печка, тъй като тялото ни към този момент се е научило да свързва болката със събитието. По същия метод следва да работи и роботизираната система на база IoRT, където физическите роботи получават „ разсъдък ”, нужен за доста бързо адаптиране към избрани обстановки.
В други моменти, когато се сблъскваме с нови обстановки, би трябвало да мислим и да се учим, преди да предприемем дейности. Например, научаваме се да стопираме на алена светлина при шофиране на кола. Именно за такива обстановки е намесата на „ облачната ” роботика, което в действителност цели възстановяване на главните модели на ИИ в облака със „ познания ”, събрани от обвързваните роботи.
Пример за в двете посоки образование – роботи за доставка
Един образец за това по какъв начин може да работи сходна система е „ армията ” от самостоятелни роботи за доставка на артикули. Всеки робот за доставка има свои лични датчици и ИИ система за работа и връзка с другите роботи в мрежата, както и към IoRT платформата.
С течение на времето може да стане ясно, че избрана права от дадена улица е проблем за няколко от роботите в групата. Може би светофарът свети зелено прекомерно малко, с цел да могат да преминат, или пък има ров. Всички данни по отношение на този проблем – такива като видеозаписи от датчиците и други – се изпращат към главните логаритми на ИИ в облака, с цел да се проучват, да се разпознаят и всички роботи от мрежата за доставка да бъдт подготвени по какъв начин да работят в региона на проблематичната улица.
След това обновеният логаритъм за ИИ бъде изпратен към целия флот от роботите (чрез актуализация на софтуера), те ще могат по-добре да се ориентират по въпросната пресечка.
Ниската инертност
За да работи добре този двупосочен метод на образование, доста значима е ниската инертност. Комуникациите сред машина и машина (M2M) и взаимоотношенията посред им изискват забавяне под 20 милисекунди. И до момента в който подобряването на главните модели на ИИ в облака може да толерира по-големи закъснения, връщането на актуализациите на софтуера назад към автопарка от роботи за доставки би трябвало да бъде надеждна и навременна.
Източник: technews.bg
КОМЕНТАРИ