Professional Documents
Culture Documents
Umjetna Inteligencija Roboti Budućnosti
Umjetna Inteligencija Roboti Budućnosti
UMJETNA INTELIGENCIJA
ROBOTI BUDUĆNOSTI
Dajana Petković
Zagreb, 2007.
SADRŽAJ
ZRCALNI NEURONI
Bitno je naglasiti da svi ulazni i izlazni sustavi koje Kismet posjeduje funkcioniraju u
realnom vremenu sa minimalnim kašnjenjima što je samo po sebi bilo iznimno teško ostvariti.
VIZUALNI SUSTAV
Sastoji se od 4 CCD kamere u boji smještene na stereo – aktivnoj glavi. Dvije od njih
su smještene točno na sredini između očiju i imaju mogućnost pogleda od 180°, te se okreću u
smjeru pokreta glave. Koriste se za odlučivanje na koje će objekte Kismet obraćati pažnju , te
izračunavaju približnu udaljenost tih objekata. Preostale dvije kamere nalaze se unutar
zjenica. Kismet ima tri stupnja slobode kontroliranja pogleda, te tri stupnja slobode za
kontrolu vrata ( ravno naprijed-natrag, lijevo-desno, te pokret sličan okretu glave unatrag ).
Time se robotu daje mogućnost pokreta i orijentacije očiju poput ljudskih, te pokretanje
raznih ljudskih vizualnih ponašanja. Na ovaj način se zapravo omogućava lakše prihvaćanje
komunikacije između čovjeka i Kismeta.
AUDITORNI SUSTAV
Odgajatelj može utjecati na Kismet-ovo ponašanje pomoću govora nošenjem malenog
i nenametljivog mikrofona. Signali se prenose te se pomoću raznih procesora pretvaraju u
impulse određene jačine koji omogućuju da se prepozna namjera odgojitelja ( bazira se na
tonalitetu glasa, jačini,..), te se omogući odgovarajuća reakcija.
Znatiželja Ljutnja
Svaka obrva se može spustiti i zakositi kako bi se iskazala frustracija ili podignuti u
slučaju iznenađenja, te nagnuti unutrašnji dio obrve prema gore za izražavanje tuge
SOCIJALIZACIJA S LJUDIMA
Komunikaciju ne mora uvijek pokrenuti odgajatelj, Kismet to može učiniti i sam. No
tu se javljaju dva potencijalna problema.
Kada je osoba vidljiva, no predaleko da bi je Kismet mogao prepoznati, on prelazi u
mod za dozivanje kako bi mu se željena osoba približila. No ako se ona previše približi,
onemogućava Kismetovim kamerama da joj prepoznaju lice ( kamere tada mogu vidjeti samo
malen dio lica ), te automatski izaziva refleks povlačenja glave unatrag. Na taj način, ne samo
da se omogućava normalna vidljivost, već se i oponaša tipična ljudska reakcija kod ulaska
neke osobe previše unutar našeg osobnog prostora.
Jako je važno naglasiti da Kismet nije «odrastao» robot, već je na percepcijskoj razini
jednogodišnjeg djeteta. Uči sve od osnova te mu je govor na početku nerazumljiv, no kako ga
odgajatelji uči, dobiva vokabular koji počinje upotrebljavati i stvarati razumljivu
komunikaciju. Također uči kako reagirati na glasovne podražaje, te stvarati neku vrstu
emocija, kao odgovor na njih. Npr. ako se odgajatelj smješka Kismetu, govori mu nježnim
tonalitetom glasa, te ga još i dodiruje kao na gornjoj slici, to bi trebalo izazvati pojavu
osmjeha i sreće, te memoriranje takvog odnosa akcije-reakcije. Također potrebno je poraditi
na tečnosti komunikacije raznim ekspresivnim oznakama – brzinom treptanja ili podignutim
obrvama kada je Kismet gotov sa svojim dijelom dijaloga, te očekuje nastavak od svog
sugovornika, te je najvažnije omogućiti komunikaciju u realnom vremenu.
SVRHA KISMETA
VIZUALNI SUSTAV
Potrebna senzorna sposobnost za društvenog robota je dobro znati gdje se ljudi nalaze
i što rade. Dakle, takvi roboti moraju biti u mogućnosti nadzirati ljude u njihovom okruženju i
interpretirati njihove akcije, kao što je primjerice komunikacija na temelju gestikulacije.
Robot također mora razumjeti aspekte neživosti okoline, npr. Kako će se igračke
ponašati kada se on igra s njima, odnosno kako one nisu živa bića. Dakle, trebat će široki
raspon vizualnih sposobnosti potrebnih za točno određenu svrhu za koju je stvoren.
Kako bi se što više približili željenom cilju, razvija se cijeli niz odgovarajućih
vizualnih sposobnosti, te se istražuje upotreba Intelovih OpenCV biblioteka ( koje
implementiraju rutine s dodatkom Mac-ovih G4 AltiVec operacija ). Ovo uključuje cijelu
paletu vizualnih detektora za objekte ( boju, oblike, te kretnju ) i ljude ( boju kože, detekciju
očiju, gestikulacije, te praćenje crta lica), uključujući i mogućnost specificiranja mete i njeno
praćenje, a i procjenu dubine okoliša.
Aktivno praćenje ponašanja uključuje i sposobnost usredotočivanja na određeni
predmet, kontinuirano i mirno praćenje objekta u pokretu, uspostavljanje i održavanje
kontakta pogledom, te približavanje objektima varijabilne dubine. Za bolje shvaćanje dobro je
pogledati sljedeći isječak u kojem možete vidjeti kako Leo prati kretanje žute loptice.
Umjesto da ljudi trebaju učiti nove načine komunikacije kako bi mogli obavljati
interakciju s robotima, razvijaju se takvi roboti s kojima je lako postupati, učiti ih i surađivati
s njima. U suprotnosti sa mnogim statističkim pristupima učenju koji zahtijevaju stotine ili
tisuće pokusa i primjera kako bi trenirali sustav je način učenja novih sposobnosti robota
baziranih na prirodnim ljudskim naredbama i nekoliko demonstracija. Jednom kada je zadatak
naučen, robot bi tada trebao biti sposoban pomoći u istim takvim zadaćama. On ne bi samo
trebao znati sam izvesti zadatak, nego i obaviti ga surađujući s ljudskim partnerom,
nadopuniti ono što čovjek ne napravi do kraja.
UČENJE TUTORSTVOM
Za vrijeme podučavanja, učitelj daje interaktivne upute robotu, gradeći tako novi
zadatak iz niza postojećih akcija i zadataka. Svaki zadatak pridonosi veliki broj potencijalnih
reprezentacijskih hipoteza, omogućavajući tako Leu da izgradi ciljno-orijentiranu hijerarhiju
modela zadataka. Izvršavajući zadatke i dobivanjem povratne informacije sužava se prostor
hipoteza, sve dok se ne dođe do najbolje reprezentacije.
Učitelj usmjerava Leovu pažnju, izgrađuje doživljaje, podržava pokušaje učenja i
regulira kompleksnost i težinu zadataka. Također održava mentalni model koji Leo postiže
( npr. što je do sada shvaćeno, što je još nejasno ili nepoznato ) kako bi se pravilno oblikovao
zadatak i uspješno izvršio uz minimalnu pomoć. Leo pak, mora izraziti svoje shvaćanje nizom
komunikacijskih akcija i gesta, prikazom razine pažnje i zanimanja ( pogledati donju tablicu ).
Sada kada ste upućeni u način komunikacije možemo početi s primjerom koji je
izvršen kao poveznica učenja tutorstvom i društvenim referenciranjem. Ispred Lea nalaze se 3
gumba- crveni, plavi i zeleni koja on treba na zahtjev upaliti ili ugasiti pritiskanjem.
Pokušaj 1.
Pokušaj 2.
Pokušaj 3.
Pokušaj 4.
Iz primjera se može dobro vidjeti kako Leo sam zaključuje i nakon samo par pokušaja,
može bilo kakve izmjene zadatka uspješno shvatiti i izvršiti. Ukoliko njegova akcija nije
ispravna prvo prolazi po listi hipoteza i traži najprihvatljiviju, a ukoliko je ne nađe traži
dodatne informacije.
Ovakvo ponašanje je veoma bitno i za ostvarivanje timskog rada između čovjeka i
robota jer se na ovaj način jako lako mogu sporazumijevati, a robot može brzo shvatiti što
treba raditi.
UČENJE IMITACIJOM
Temelji leže u Teoriji simulacije i Teoriji uma opisanim u poglavlju O načinu učenja
robota. Vrši se proučavanje kako imitacija kao dio socijalnog učenja i procesa učenja može
biti iskorištena u svrhu izgradnje inteligentnih robota.
Konačna struktura imitacijske interakcije sastoji se od dva dijela: onog gdje ljudski
sudionik imitira Leonardove izraze lica, te dijela kada Leonardo oponaša ljudski izraz. Leo
iskorištava dvosmjernu strukturu imitacijske razmjene kako bi postigao različite položaje za
vrijeme oponašanja. Za vrijeme prvog dijela interakcije Leo utvrđuje sličnost između svojih i
ljudskih crta lica ( Intermodalna reprezentacija ). Za vrijeme drugog dijela, Leo koristi
povezanost s modelom i imitira ljudski izraz na ciljno usmjeren način. Detalje možete vidjeti
na donjoj slici.
Ljudski izraz
Intermodalna
reprezentacija
Konačna imitacija
No kako bi pobliže mogli shvatiti uspjehe cijelog rada na Leu, pogledajte kratki
isječak u kojem se pokazuje motorička sposobnost Leovih ruku i izražavanja emocija ili pak
pogledajte završne slike kojima se opraštamo od Lea.
COG
OSNOVNE ČINJENICE
Razvojni voditelji projekta ističu da motivacija za razvoj Cog-a leži u hipotezi da
humanoidna inteligencija traži humanoidnu interakciju s okolinom.
VIZUALNI SUSTAV
ZAHTJEVI DIZAJNA
Aktivnost
Potrebna je kako bi se omogućilo da oči imaju brzinu reakcije približnu
ljudskoj, te što sličniji i širi vidokrug
Cog-ov vizualni sustav je dizajniran tako da oponaša neke mogućnosti ljudskog vida,
uključujući prostornost i dimenzionalnost. Svako se oko može rotirati oko neovisne vertikalne
osi i para horizontalnih. Kako bi se obojim omogućio širok kut pogleda i vid visoke
rezolucije, postoje 2 crno-bijele kamere za svako oko. Jedna od njih hvata periferni vid
širokog kuta a druga uski snop centralnog dijela. Svaka kamera stvara NTSC signal koji je
digitaliziran hvatačem kadrova spojenim na procesorsku mrežu digitalnih signala.
Sustav kamera posjeduje 4 stupnja slobode (DOF –degrees of freedom ) koja
objedinjavaju 2 aktivna oka. Kako bi se što bolje oponašalo kretanje ljudskog oka, svako oko
se može rotirati oko vertikalne ( za postizanje dubine ) i horizontalne ( za širinu vidokruga )
osi. Ljuske oči zapravo imaju više od dva stupnja slobode, no robotu je i ovo dovoljno. Za
aproksimaciju kretanja i dometa našeg vizualnog sustava, postavljeni su mehanički graničnici
koji dozvoljavaju svakom oku rotaciju od 120˚ vertikalno i 60˚ horizontalno. Svako oko
sadržava dvije crno-bijele CCD kamere. Zajedno, par kamera aproksimira široki periferni vid
i visoku rezoluciju slike. Male pomične kamere su izabrane kako bi svako oko bilo
kompaktno i lagano, veličine su 17 mm u promjeru i 53 mm duljine ( bez konektora ), te teže
samo 25 grama.
Donja kamera svakog oka daje Cog-u periferni vid širokog kuta ( 88,6˚ (vertikalno) *
115,8˚ (horizontalno) ). Iako je to uže od ljudskog perifernog vida, teško je kupiti leću sa
širim poljem pogleda. Leća može fokusirati od 10 mm do beskonačnosti.
Gornja kamera svakog oka omogućava pogled visoke rezolucije. Leća ima fokusnu
duljinu od 15 mm sa uskim snopom centralnog dijela ( 18,4˚ ( vertikalno) * 24,4˚
(horizontalno) ). Ovo područje je bitno veće od ljudskog koje je otprilike veličine 0,3˚. Leća
fokusira objekte na udaljenosti od 90 mm do beskonačnosti.
Cijeli dizajn mogao je biti dodatno pojednostavljen korištenjem jedne kamere za
svako oko, no ovako se kvaliteta percepcije znatno poboljšala. Testovi su pokazali da je
povećanje kutne rezolucije bitno povećalo funkcionalnost sustava za prepoznavanje
kompleksnijih objekata ( primarno obrisa lica, te tekstura predmeta ). Kako bi bolje mogli
shvatiti kakav je rezultat gledanja s opisanim kamerama pogledajte dvije slike uhvaćene
istovremeno sa obje kamere u Cog-ovom lijevom oku.
AUDITORNI SUSTAV
Senzori za Cog-ov auditorni sustav je par električnih kondenzatorskih mikrofona koji
se normalno koriste u slušnim aparatima i sličnim pomagalima. Mikrofoni su smješteni
direktno na bočnim stranama glave, slično kao što su smještene uške kod čovjeka.
Sučelje za pretvorbeni sustav sačinjavaju ručno ugrađeno stereo pred - pojačalo koje
povećava mikrofonski signal niske razine i spaja ga na audio analogni –u – digitalni ( A/D )
konverter u C40 DSP sustavu.
Primarna svrha auditornog sustava je izvođenje obrade signala u realnom vremenu
kako bi se omogućila normalna komunikacija s ljudima.
MOTORIČKI SUSTAV
KRATAK UVOD
Bitno je naglasiti kako Cog nikada neće imati noge, jer bi to oduzelo previše vremena.
Cog-ovo tijelo može pomoći što boljoj i točnijoj interpretaciji ponašanja inteligentnog bića.
Nekoliko specifičnih kvaliteta je važno za Cog-ovo tijelo i motoričke sposobnosti.
Cog ima tijelo slično ljudskom po obliku, strukturi i stupnjevima slobode
Aktuatori koji pokreću ( omogućavaju kretnju ) Cog-ovo tijelo koriste niz
elastičnih aktuatora koji olakšavaju kontrolu nad udovima i omogućavaju
sigurniju interakciju za ljude.
Aktuatori mogu biti kontrolirani na veoma efektivne načine korištenjem
nelinearnih oscilatora koji su izrazito slični pravim neuronskim oscilatorima u
biologiji. Ovi oscilatori dopuštaju da Cog iskoristi prirodnu dinamiku svog
tijela i svijeta oko sebe.
Sve u svemu, Cog ima 21 mehanički stupanj slobode – DOF ( degrees-of-freedom ) ;
dvije šest DOF ruke, torzo sa strukom s dva DOF, jedan DOF zakretni torzo, tri DOF
vrata, te tri DOF u očima.
TORZO
KRITERIJ ZA DIZAJN
RASPON KRETANJA
SENZORI
Cog ima set senzora na tijelu. Svaki stupanj slobode ima senzor u motoričkom kontroleru
kako bi se dobila nekakva povratna informacija. Također se na svakom motoru i pogonskom
sklopu nalazi toplinski senzor kako bi se pravovremeno moglo zamijetiti neispravno
zagrijavanje motora.
RUKE
Svaka ruka je otprilike bazirana na dimenzijama ljudske ruke sa 6 stupnjeva slobode, svaki
pokretan sa DC električnim motorom preko niza opruga ( niza elastičnih aktuatora ). Opruge
pružaju točnu povratnu informaciju o momentu zakreta za svaki zglob, te pružaju zaštitu
motora od naglih šokova i udaraca. Ukoliko senzori osjete nagle promjene, Cog će
jednostavno povući ruku ili je što blaže zaustaviti kako ne bi došlo do ozljeda bilo robota ili
čovjeka. Sustav je toliko stabilan da Cog može bez ikakvog problema piliti drva, svirati
bubnjeve, dohvatiti željene predmete i slično. Premda se to čini jednostavno prvi pokusi su
bili katastrofalni. Batovi za bubnjeve su u komadima letili po zraku, bubnjevi su pucali,...a
sve jer proračuni momenta sile zakreta nisu bili točni. Ako želite vidjeti kako stvari ispravno
funkcioniraju pogledajte sljedeće isječke:
VIŠE O HARDVERU
Upravljač svih izračuna je heterogena mreža mnogo različitih procesorskih tipova koji
funkcioniraju na različitim nivoima razine hijerarhije, od najmanjih mikrokontrolera za
pokretanje zglobova do mreža procesora digitalnih signala ( DSP mreža ) za audio i vizualno
predprocesiranje Cog-ovog mozga.
Originalna jezgra je bila mreža od 16 MHz Motorola 68332 mikrokontrolera na
posebno izrađenim matičnim pločama, spojenim preko dual-portnog RAM-a. Svaki od
čvorova je vrtio L, višenitni podjezik klasičnog Lisp-a.
Trenutačna jezgra je mreža od 200 MHz industrijskih PC računala koje podržava QNX
operacijski sustav u realnom vremenu povezan sa 100VG ethernetom. Mreža trenutačno
sadržava 4 čvora, ali može biti proširena spajanjem novih čvorova u mrežni obnavljač. QNX
osigurava transparentnu i otpornu na pogreške međuprocesnu komunikaciju preko mreže.
Stari i novi mozak mogu normalno zajedno funkcionirati, komunicirajući preko posebno
napravljenih ISA sučeljnih kartica. Video i audio predprocesiranje se izvodi pomoću odvojene
mreže C40 digitalnih signalnih procesora ( Texas Instruments ) koji komuniciraju preko
posebnog C40 odgovarajućeg porta. Mreža uključuje C40-bazirane hvatače slike, prikazne
ploče, te audio ulazne i izlazne portove. Procesori prenose podatke jezgrenom procesoru
preko ISA i PCI sučeljnih kartica. Svaki zglob na robotu ima svoj lokalni kontroler motora,
ručno izrađenu ploču sa Motorola HC11 mikrokontrolerom, koji procesira šifrirane i analogne
ulazne signale, izvodi potrebne kalkulacije, te pokreće motor sa pulsnim modulacijama. Za
ruke, mikrokontroler generira virtualno opružno ponašanje na 1kHz, bazirano na odgovoru
obrtnog momenta dobivenog iz senzora u zglobovima.
SVRHA
Pitanje je od kuda početi ? Moglo bi se reći da je Cog vjerojatno najsvestraniji robot
što se tiče korisnosti. Možemo krenuti od najbanalnijih kao što je pomoć u kućanskim
poslovima, dodatan muzičar u bendu, osobni konobar i slično, no njegova je posebnost puno
veća i važnija.
Razvojem vizualnog sustava moglo bi se napokon pomoći slijepim osobama da
ponovno progledaju, spajanjem raznih električnih impulsa i kamera sa živcima. Točno
poznavanje motoričkog sustava moglo bi zamijeniti izgubljene udove. Auditorni sustav
osigurao bi poboljšanje sluha i slično.
Glavni problem gore navedenih mogućnosti je moralna granica. Do koje mjere se
robot može integrirati u čovjeka, da li se onda gubi ona cijela srž koja nas čini ljudima? Neke
od tih pitanja i trenutnih razmišljanja možete pročitati u jednom od zadnjih dijelova ove web
stranice.
STANLEY
Zamislite sljedeću situaciju – vozite se gradom, a odjednom vas prestigne automobil
bez vozača. Bili biste šokirani, zar ne? Ovo vam se možda čini znanstvenom fantastikom i
nadasve nemoguće, no već upravo sada, kada ovo čitate, to je veoma moguće- zato upoznajte
Stanley-a -Volkswagen Touareg, najprecizniji inteligentni auto koji sve radi umjesto vas.
UVODNE ČINJENICE
Razvijen je na Američkom sveučilištu Stanford, a velik dio svoje slave stekao je 2005
godine pobjedom na velikom natjecanju « DARPA Grand Challenge «, automobilskoj utrci
bez vozača na udaljenosti 282 km kroz Mojave pustinju. No kako Stanley može voziti sam?
Čime se sve koristi?
Opremljen je sa 4 lasera za pronalaženje udaljenosti, radarom, 2 stereo kamere, te
kamerom s jednom lećom za sam vid. Sve mu ove komponente služe za stvaranje 3D slike
puta kojim se kreće, te za detekciju zavoja i prepreka kako bi mogao pravodobno ispraviti
svoju putanju. Plava kutija smještena na stražnjem gornjem dijelu kontrolira mogućnosti
vožnje, kako bi se po potrebi Stanley mogao ugasiti, stati, ili propustiti neko drugo vozilo.
Pokreće ga 7 Pentium M računala, sva upravljana Linux-om, smještena u prtljažniku,
no testiranjima je dokazano da su dovoljna tek 2 računala kako bi sve efikasno funkcioniralo.
Značajno je da sva računala troše iznimno malo električne energije, te svu potrebnu snagu
crpe iz Volkswagen-ovog motora, eliminirajući tako potrebu za dodatnim generatorom unutar
vozila. Cedric Dupont, jedan od glavnih inženjera objašnjava kako je Stanley vjerojatno
najsigurnije vozilo za okoliš. Vozi na biodizel, a zbog dobre gorive učinkovitosti ne mora se
ugrađivati dodatni rezervoar za gorivo.
TESTIRANJA I REZULTATI
U početku su rezultati testiranja bili veoma loši, te se čak mislilo odustati od projekta,
no kako je vrijeme prolazilo, sve veći broj testiranja pokazivao je znatno poboljšanje
rezultata. Time su istraživači došli do još jednog bitnog zaključka i karatkteristike Stanleya –
on uči sa iskustvom. S time su došli do novih otkrića u umjetnoj inteligenciji, te se razvoj
naglo poboljšao. Tada se i vojska uključila u daljnji razvoj projekta, no o tome možete
pročitati kasnije.
Nakon mnogobrojnih tesiranja i pokusa, napokon je provedena usporedna vožnja
vozača Sebastiana Thrun-a ( jednog od voditelja samog projekta ) i Stanleya. Rezultati su bili
iznenađujuće dobri, te su članovi razvojnog tima znali da je vrijeme da iskušaju svoje znanje
na Darpa izazovu, kojega su i osvojili te dobili 2 milijuna dolara 2005. godine.
KAKO STANLEY ”VIDI” CESTU?
1.GPS ANTENA
GPS antena na krovu prima podatke koji su zapravo 2 puta proputovali svemir –
jednom kako bi se primio inicijalan položaj vozila s točnošću od 1 metra, te drugi puta za
dodatne korekcije. Konačno očitanje ima točnost od čak 1 centimetra.
Tako zvani lidar skenira teren 30 metara ispred vozila, te s lijeve i desne strane, 5 puta
u sekundi. Dobiveni podaci se koriste za stvaranje mape puta.
3. VIDEO KAMERA
Video kamera skenira cestu izvan dosega lasera i prosljeđuje novo dobivene podatke natrag
računalu. Ako je laser teren identificirao kao podoban za vožnju, softver traži jednake
karakteristike u svojim video zapisima pohranjenih na disku, ili pak pomoću geografske karti
prema koordinatama na kojima se nalazi vozilo. Na ovaj način Stanley-ev vid se produljuje na
čak 80 metara te tako omogućava sigurnu vožnju i akceleraciju.
4. ODOMETRIJA
PLANOVI ZA BUDUĆNOST
VOJNE SVRHE
Osim u vojne svrhe naravno njegova bi upotreba mogla u budućnosti postati dio
svakodnevnog života. Istraživanjima i testiranjima razvojni inženjeri su pokazali da bi stopa
prometnih nesreća s njegovom upotrebom mogla pasti za nevjerojatnih 40%.
Kao konačni rezultat možemo dobiti jedan od najmoćnijih i najkorisnijih vozila svih
vremena, no nažalost isto tako i najrazorniji stroj ukoliko nešto pođe po zlu. Mnogi će ovaj
napredak odbiti jer neće htjeti u tolikoj mjeri svoj život staviti u ruke jednom stroju, no koliko
je to opravdano svatko će morati odlučiti sam. Napredak je dar cijeloj civilizaciji, no također i
potencijalno uništenje ako dođe u krive ruke, no to nažalost već svi dobro znamo.
KRATAK PREGLED JOŠ NEKIH ROBOTA
JUNIOR
Kratki pregled
HUGGABLE
http://robotic.media.mit.edu/projects/theHuggable.html
ROBOFLORA ( ROBO-CVIJEĆE )
Delikatna i graciozna,
Roboflora predstavlja buduću viziju
robota koji će nas zaintrigirati
intelektualno i emotivno dirnuti.
Instalacija istražuje dio interakcije
između ljudi i robota na fluidan,
dinamičan i harmoničan način.
Ovaj robotski vrt se sastoji od četiri
vrste roboflore. Svaka kombinira
životinjsko ponašanje i cvjetne
karakteristike u robotsku instatizaciju
koja osjeća i reagira na ljude na
specifičan način.
PLAVI PUPOLJAK
LJUBIČASTE OSCILACIJE
ROBONAUT
Gornja tri principa su dobar primjer teškoća programiranja umjetnog mozga. Ljudski
mozak je evoluirao kroz milijune godina preživljavanja i učenja društvenog ponašanja, a
njegova evolucija traje i danas. Imitiranje rada mozga je ogroman izazov i sudeći prema
razvoju, snazi i kompleksnosti današnjih procesora, trebat će barem još nekoliko desetljeća da
se dosegnu i najrudimentarnije razine našeg mozga.
Jednom kada odlučimo da želimo androidne robote i ostale strojeve sa svom umjetno
stvorenom inteligencijom, toliko sofisticiranom da se može boriti s našom, pitanje koje etičke
i moralne vrijednosti im moramo ugraditi još uvijek će ostati otvoreno. Gledajući ljudsku
civilizaciju sa svim svojim kulturnim, vjerskim, etičkim i moralnim razlikama nameće se
pitanje što to zapravo pokušavamo stvoriti, kome i s kojom svrhom? Trebamo li robote koji su
religiozni? Da li je ono što čovječanstvu treba idealan katolički, muslimanski ili budistički
mozak? Ili želimo da on bude nemilosrdan i proračunat kapitalist ili stručnjak? Policajac
možda?
Samo definiranje ovih vrijednosti bi se već dokazalo nemogućim jer su svi u jednu
ruku slični, a u drugu toliko različiti. Umjesto toga napravit ćemo savršen asketski mozak i što
onda? To sigurno neće razveseliti mnoge. Što je s praktičnim aplikacijama ovih vrijednosti?
Ako jedan set etičkih ili religijskih vrijednosti diktira da ne možemo pomagati u eutanaziji na
primjer, a drugi da je to baš ono što trebamo napraviti, ne dupliciramo li trenutna pitanja bez
nekih pravih odgovora? U čemu je svrha? Možda će umjetna inteligencija pokazati istu
raznolikost kao kod ljudi, a što onda pokušavamo? Napraviti idealnog čovjeka?
Ne zaboravite da ovo nije rasprava o tehničkoj korisnosti inteligentnih robota, jer svi
dobro znamo da je ta strana veliki plus i da se zbog nje toliko i trudimo napraviti inteligentno
biće. Ovo je samo razmišljanje o moralnim i etičkim problemima cijelog razvoja, koje
zapravo možemo sažeti u ovaj, posljednji odlomak.
Problem etičkih, moralnih i kulturalnih vrijednosti koje trebamo ugraditi našem
inteligentnom robotu se i dalje nastavlja. Ako čak ne možemo ni odgovoriti na jednostavno
pitanje » Zašto? «, onda bi možda morali osigurati da roboti koje napravimo nisu inteligentni.
Da nisu sposobni stvoriti odluku izvan one mehaničke, programiranog kretanja, a pogotovo da
nisu sposobni za deduktivno razmišljanje i utjecaj i kontrolu nad ljudima ili ljudskim
društvom.
KORISNI LINKOVI :
Sve slike uzete su sa stanica sveučilišta MIT i Stanford, te se nalaze pod njihovom
autorskom zaštitom. Dodatne materijale, kao i radove tamošnjih profesora i asistenata možete
naći na njihovim web stranicama.
http://aire.csail.mit.edu/projects.shtml
KISMET
Robot s ekspresivnim licem koji ima sposobnost izražavanja emocija i učenja kroz
interakciju s ljudima. Više informacija ili kratkih video isječaka možete pronaći na :
http://www.ai.mit.edu/projects/humanoid-robotics-group/kismet/
LEONARDO
http://robotic.media.mit.edu/projects/Leonardo/Leo-intro.html
COG
http://www.ai.mit.edu/projects/humanoid-robotics-group/cog/
DOMO
Nova inačica Coga, s dodatnim mogućnostima kao što su brža reakcija, veća
preciznost i sigurnija interakcija.
http://people.csail.mit.edu/edsinger/domo.htm
HUGGABLE
http://robotic.media.mit.edu/projects/theHuggable.html
ROBOFLORA
http://robotic.media.mit.edu/projects/cyberflora.html
Stanford
Početna stranica sveučilišta Stanford na kojoj se može naći mnogo projekata vezanih
uz umjetnu inteligenciju.
http://ai.stanford.edu/projects.html
Neki od projekata :
STANLEY
http://news-service.stanford.edu/news/2005/october12/stanleyfinish-100905.html
http://cs.stanford.edu/group/roadrunner/
JUNIOR
http://cs.stanford.edu/group/roadrunner/media.html
NASA
Projekt ROBONAUT
http://robonaut.jsc.nasa.gov/robonaut.html
http://www.cc.gatech.edu/is/