Однако в последние годы, по мере развития отдельных аспектов искусственного интеллекта, исследователи начали объединять части, что привело к удивительным проявлениям интеллекта высокого уровня: от Уотсона из IBM до недавнего чемпиона по игре в покер и способности ИИ распознавать кошек на интернет.
Эти достижения были продемонстрированы на этой неделе на 29-й конференции Ассоциации по развитию искусственного интеллекта (AAAI) в Остине, штат Техас, где преобладали междисциплинарные и прикладные исследования, по словам Шломо Зильберштейна, председателя комитета конференции и соавтора книги. три доклада на конференции.
Зильберштейн изучает, как искусственные агенты планируют свои будущие действия, особенно при полуавтономной работе, то есть совместно с людьми или другими устройствами.
Примеры полуавтономных систем включают совместных роботов, работающих с людьми на производстве, поисково-спасательных роботов, которыми могут управлять люди, работающие удаленно, и автомобили без водителя. Именно последняя тема особенно заинтересовала Зильберштейн в последние годы.
Маркетинговые кампании ведущих производителей автомобилей представили видение будущего, в котором пассажир (ранее известный как водитель) может проверять свою электронную почту, общаться с друзьями или даже спать, перемещаясь между домом и офисом.
Некоторые прототипы автомобилей включали сиденья, которые можно откинуть назад, чтобы создать внутреннюю гостиную, или, как в случае беспилотного автомобиля Google, конструкцию без руля и тормозов.
За исключением редких случаев, Зильберштейну не ясно, насколько реалистично это видение автомобилей ближайшего будущего.
«Во многих областях существует множество препятствий для полной автономии», — сказал Зильберштейн. "Эти препятствия не только технологические, но и связаны с юридическими и этическими проблемами, а также с экономическими проблемами."
В своем выступлении на сессии «Голубое небо» в AAAI Зильберштейн утверждал, что во многих областях, включая вождение, мы пройдем через долгий период, когда люди будут действовать как вторые пилоты или контролеры, перекладывая ответственность на транспортное средство, когда это возможно, и принимая колесо, когда вождение становится сложным, прежде чем технология достигнет полной автономности (если это когда-либо произойдет).
В таком сценарии автомобилю необходимо будет связаться с водителями, чтобы предупредить их, когда им нужно взять управление на себя. В случаях, когда водитель не реагирует, автомобиль должен иметь возможность автономно принять решение безопасно съехать на обочину дороги и остановиться.
"Люди непредсказуемы.
Что произойдет, если человек не делает то, что его просят или от него ожидают, а машина движется со скоростью шестьдесят миль в час?"Спросил Зильберштейн. "Это требует" отказоустойчивого планирования.’Это вид планирования, который может справиться с определенным количеством отклонений или ошибок со стороны человека, которого просят выполнить план."
При поддержке Национального научного фонда (NSF) Зильберштейн изучает эти и другие практические вопросы, связанные с возможностью искусственных агентов, которые действуют среди нас.
Зильберштейн, профессор информатики Массачусетского университета в Амхерсте, работает с экспертами в области гуманитарных исследований из академических кругов и промышленности, чтобы помочь раскрыть тонкие элементы человеческого поведения, которые необходимо учитывать при подготовке робота к полуавтономной работе.
Затем он переводит эти идеи в компьютерные программы, которые позволяют роботу или автономному транспортному средству планировать свои действия и создавать план Б на случай чрезвычайной ситуации.
Есть много тонких подсказок, которые помогут в безопасном вождении. Возьмем, к примеру, остановку с четырьмя путями. Официально первая машина на пешеходном переходе едет первой, но на самом деле люди смотрят друг на друга, чтобы узнать, нужно ли и когда двигаться.
«Небольшие переговоры продолжаются без разговоров», — пояснил Зильберштейн. "Он передается вашими действиями, такими как зрительный контакт, взмах руки или легкие обороты двигателя."
Во время испытаний автономные транспортные средства часто парализованы на таких остановках, не имея возможности безопасно читать сигналы других водителей на дороге. Эта «нерешительность» — большая проблема для роботов.
Недавняя статья Алана Уинфилда из Бристольской робототехнической лаборатории в Великобритании показала, как роботы, столкнувшись с трудным решением, часто работают в течение такого длительного периода времени, что упускают возможность действовать. Системы Zilberstein предназначены для решения этой проблемы.
«При некотором тщательном разделении целей алгоритмы планирования могут решить одну из ключевых проблем поддержания« живого состояния », даже когда достижимость цели зависит от своевременного вмешательства человека», — заключил он.
Способность адаптировать поездку на основе факторов, ориентированных на человека, например, насколько внимательным может быть водитель или желание водителя избегать шоссе, — еще один аспект полуавтономного вождения, который исследует Зильберштейн.
В статье с Кайлом Рэем из Университета Массачусетса в Амхерсте и Абдель-Иллахом Муаддибом из Университета Кана во Франции Зильберштейн представил новую модель и алгоритм планирования, которые позволяют полуавтономным системам принимать последовательные решения в ситуациях, требующих нескольких целей: -Например, балансировка безопасности и скорости.
Их эксперимент был сосредоточен на сценарии полуавтономного вождения, в котором решение о передаче управления зависело от уровня усталости водителя. Они показали, что с помощью своего нового алгоритма автомобиль смог выбрать дороги, по которым автомобиль может двигаться автономно, когда водитель утомлен, тем самым максимизируя безопасность водителя.
«В реальной жизни люди часто пытаются оптимизировать несколько конкурирующих целей», — сказал Зильберштейн. "Этот алгоритм планирования может сделать это очень быстро, когда цели расставлены по приоритетам. Например, наивысшим приоритетом может быть минимизация времени вождения, а целью более низкого приоритета может быть минимизация усилий при вождении.
В конечном счете, мы хотим узнать, как сбалансировать такие конкурирующие цели для каждого водителя на основе наблюдаемых моделей вождения."
Это захватывающее время для искусственного интеллекта. Плоды многолетнего труда наконец-то внедряются в реальные системы, а машинное обучение находит широкое применение и для других целей, чем кто-либо когда-либо осознавал.
«Мы начинаем видеть такие замечательные успехи, которые объединяют многолетние исследования в различных областях искусственного интеллекта», — сказал Эктор Муньос-Авила, программный директор кластера NSF Robust Intelligence.
Действительно, на протяжении многих десятилетий программа NSF Robust Intelligence поддерживала фундаментальные исследования в области искусственного интеллекта, которые, по словам Зильберштейна, привели к появлению удивительных интеллектуальных систем, которые начинают преобразовывать наш мир. Но агентство также поддержало таких исследователей, как Зильберштейн, которые задают сложные вопросы о новых технологиях.
«Когда мы говорим об автономии, есть юридические вопросы, технологические проблемы и много открытых вопросов», — сказал он. "Лично я думаю, что NSF смог идентифицировать эти вопросы как важные и был готов вложить в них деньги. И это дает U.S. большое преимущество."