Un robusto, robot adattabile che risponde al suo ambiente al volo e supera ostacoli come una gamba rotta senza l'intervento umano potrebbe essere utilizzato per salvare persone da una zona sismica o ripulire siti troppo pericolosi per l'uomo.

Fa parte di un campo di lavoro che sta costruendo macchine in grado di fornire aiuto in tempo reale utilizzando solo dati limitati come input. Gli algoritmi standard di apprendimento automatico spesso devono elaborare migliaia di possibilità prima di decidere su una soluzione, che può essere impraticabile in scenari sotto pressione in cui un rapido adattamento è fondamentale.

Dopo il disastro nucleare di Fukushima in Giappone nel 2011, Per esempio, i robot sono stati inviati nella centrale elettrica per ripulire i detriti radioattivi in ​​condizioni troppo pericolose per l'uomo. Il problema, afferma il ricercatore di robotica, il professor Jean-Baptiste Mouret, è che i robot hanno continuato a rompersi o si sono imbattuti in pericoli che li hanno fermati.

Nell'ambito dell'iniziativa ResiBots, sta progettando un robot a basso costo che possa durare a lungo senza bisogno di una costante manutenzione umana per rotture e sia più bravo a superare ostacoli imprevisti.

Il team di ResiBots utilizza quelli che definisce algoritmi di apprendimento dei microdati, che può aiutare i robot ad adattarsi davanti ai propri occhi in modo simile a come gli animali reagiscono ai problemi. Un animale vuole, Per esempio, spesso trovano un modo per continuare a muoversi se si feriscono, anche se non sanno esattamente quale sia il problema.

In contrasto, la maggior parte dei robot attuali autodiagnostica un problema prima di trovare un modo per superarlo, dice il prof. Mouret, ricercatore principale presso ResiBots e ricercatore senior presso il centro di ricerca Inria in Francia.

"Stiamo cercando di scorciatoia trovando un modo per far reagire loro senza necessariamente aver sviluppato una comprensione di cosa c'è che non va, " Egli ha detto.

Piuttosto che autodiagnosticarsi, l'obiettivo di questi robot è imparare in modo proattivo per tentativi ed errori quali azioni alternative possono intraprendere. Questo potrebbe aiutarli a superare le difficoltà e impedire loro di chiudersi in situazioni come scenari di catastrofi come Fukushima, disse il prof. Mouret.

Questa potrebbe non essere piena intelligenza artificiale, ma il prof. Mouret fa notare che conoscere tutto non è essenziale per far funzionare un robot.

"Non stiamo cercando di risolvere tutto, " ha detto. "Sono più interessato a come possono adattarsi - e, infatti, adattarsi a ciò che sta accadendo è parte di ciò che rende gli animali intelligenti".

Infanzia simulata

In uno degli approcci più promettenti sviluppati nel progetto ResiBots, i robot hanno un'infanzia simulata, in cui imparano diversi modi di muovere il proprio corpo utilizzando un algoritmo che cerca in anticipo per raccogliere esempi di comportamenti utili.

Ciò significa che quando si cerca un modo per muoversi, i robot devono scegliere tra uno dei circa 13, 000 comportamenti invece di una stima di 10 ⁴⁷ opzioni tra cui gli algoritmi standard potrebbero scegliere. E l'obiettivo è che ne provino solo una manciata prima di trovarne uno che funzioni.

La maggior parte dei test di ResiBot viene attualmente eseguita su un robot a sei zampe che cerca di trovare nuovi modi per muoversi dopo aver rimosso una o più gambe. Nelle ultime prove, Il prof. Mouret ha detto che i robot hanno imparato a camminare in uno o due minuti dopo che una delle loro gambe è stata tolta, il che significa che generalmente devono testare meno di 10 comportamenti prima di trovarne uno che funzioni.

In totale, i ricercatori stanno lavorando su una mezza dozzina di robot a vari livelli di complessità, incluso un robot umanoide simile a un bambino noto come iCub. Sebbene l'iCub, molto più complesso, non sia ancora utilizzato in molte prove, la squadra spera di fare di più nel tempo.

"Gli umanoidi hanno il potenziale di essere altamente versatili e di adattarsi bene ad ambienti progettati per l'uomo, " ha detto il prof. Mouret. "Per esempio, le centrali nucleari hanno porte, leve e scale progettate per le persone."

Ci sono, però, alcune grandi sfide ancora da superare, compreso il fatto che un robot deve essere riportato nella posizione iniziale una volta rimosso un arto, piuttosto che essere in grado di proseguire dal sito della lesione verso il bersaglio.

Sicurezza

Esistono anche problemi di sicurezza più ampi che coinvolgono tali robot, ad esempio assicurandosi che non danneggino i sopravvissuti al terremoto mentre li soccorrono, in particolare se il robot sta imparando per tentativi ed errori, disse il prof. Mouret.

Crede che ci vorranno almeno quattro o cinque anni prima che un simile robot possa essere utilizzato sul campo, ma è fiducioso che le tecniche possano essere impiegate in tutti i tipi di robot, non solo quelli per situazioni di disastro, ma in casa e in altri scenari.

Ma non sono solo i meccanismi che possono aiutare i robot a navigare nel mondo reale. I robot possono anche adattarsi meglio se riescono a collegare più fortemente il linguaggio alla realtà.

La professoressa Gemma Boleda all'Universitat Pompeu Fabra in Spagna, ha un background in linguistica e il suo team sta cercando di collegare la ricerca in questo campo all'intelligenza artificiale per aiutare le macchine a comprendere meglio il mondo che le circonda, nell'ambito di un progetto denominato AMORE.

È qualcosa che potrebbe essere utile per rendere più intelligenti tecnologie come il GPS. Per esempio, quando si guida in macchina, il sistema GPS potrebbe specificare che si gira a destra dove si trova "il grande albero", distinguendolo da molti altri alberi.

Il prof. Boleda afferma che questo è stato difficile in passato a causa della difficoltà di modellare il modo in cui gli umani collegano il linguaggio alla realtà.

"Nel passato, la lingua era stata in gran parte rappresentata fuori contesto, " ha detto il prof. Boleda.

L'obiettivo di AMORE è far sì che i computer comprendano parole e concetti in un contesto del mondo reale piuttosto che come singole parole isolate, lei dice. Ad esempio, un robot imparerebbe a collegare la frase "questo cane" con un vero cane nella stanza, che rappresentano sia le parole che le entità del mondo reale.

"Il punto cruciale di questi modelli è che sono in grado di apprendere le proprie rappresentazioni dai dati, " aggiunse. "Prima, i ricercatori hanno dovuto dire alla macchina com'era il mondo."

Fornire alle macchine una migliore comprensione del mondo che le circonda le aiuterà a fare "di più con meno" in termini di quantità di dati di cui hanno bisogno e a prevedere meglio i risultati, ha detto il prof. Boleda.

Potrebbe anche aiutare con il problema di avere abbastanza spazio fisico su dispositivi come i telefoni cellulari per la prossima ondata di applicazioni intelligenti.

"Sto lavorando con il linguaggio, ma questo problema di aver bisogno di molti dati è un problema che affligge molti altri domini dell'intelligenza artificiale, " ha detto il Prof. Boleda. "Quindi, se sviluppo metodi che possono fare di più con meno, allora questi possono essere applicati anche altrove."