Cookies op Tweakers

Tweakers is onderdeel van DPG Media en maakt gebruik van cookies, JavaScript en vergelijkbare technologie om je onder andere een optimale gebruikerservaring te bieden. Ook kan Tweakers hierdoor het gedrag van bezoekers vastleggen en analyseren. Door gebruik te maken van deze website, of door op 'Cookies accepteren' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt? Bekijk dan ons cookiebeleid.

Meer informatie

Robots schakelen hulp van mensen in bij object-herkenning

Een Amerikaans bedrijf zet Amazons Mechanical Turk-netwerk in om robots te helpen bij problemen die ze zelf niet kunnen oplossen. De robots zouden een hogere mate van autonomie kunnen krijgen door vragen door te spelen aan mensen.

Aangezien robots vaak grote moeite hebben met taken die voor mensen triviaal zijn, wil robot-ontwikkelbedrijf Willow Garage de intelligentie van mensen benutten om hun robots bij te staan. Activiteiten als object-herkenning zijn bijzonder eenvoudig voor de menselijke hersenen, maar een 'siliciumbrein' heeft daar moeite mee. De Personal Robot 2 van het bedrijf schiet daarom eenvoudigweg een plaatje van het object in kwestie, en vraagt mensen om hulp.

De foto wordt naar Amazons Mechanical Turk-netwerk gestuurd, waar mensen lastige karweitjes uit de virtuele handen van robots nemen. Wanneer een robot wil weten wat een object is, vraagt hij mensen de contouren van dat object te tekenen en het voorwerp een naam te geven. De mensen helpen de PR2-robots overigens niet voor niets: zij krijgen per handeling een geringe vergoeding.

De van beschrijvingen voorziene afbeeldingen worden aan de robot teruggestuurd, waarna deze met succes voorheen onbekende objecten kan 'herkennen'. Door de accuratesse, die tijdens testen op 80 procent lag, van de menselijke beschrijvingen te vergroten, zou de robot met meer succes onbekende objecten leren kennen. Zo zou een robot zich zonder toezicht van mensen bekend kunnen maken met nieuwe omgevingen door zelfstandig vragen te stellen en zo hiaten in zijn kennis op te vullen.

Wat vind je van dit artikel?

Geef je mening in het Geachte Redactie-forum.

Door Willem de Moor

Redacteur componenten

18-09-2009 • 17:31

33 Linkedin

Lees meer

Onderzoekers verbeteren computervisie Nieuws van 19 september 2010
'Onderzoekers geven robots emoties' Nieuws van 10 augustus 2010
IBM bouwt zelf-lerende compiler Nieuws van 3 juli 2009
Pentagon wil kattenbrein simuleren Nieuws van 26 augustus 2008

Reacties (33)

Wijzig sortering
Dit lijkt wel wat op de handschrift herkenning van TNT, lang niet alle adressen kunnen goed gelezen worden, waardoor het systeem een mens vraagt het adres over te typen. Het 'ICR' (intelligent character recognition) systeem 'leert' daar vervolgens van (hoewel het zwart-wit concept van TNT's scanner echter betekend dat hij nooit donkerblauwe inkt op een groene achtergrond kan lezen)
Als je deze post te lang vindt, kijk dan de filmpjes aan het einde!

Er is een tak van A.I. die uit gaat van het idee dat je een A.I. niet moet bouwen maar moet opvoeden. We hebben ontzettend veel kennis die allemaal verweven is. Het lijkt onmogelijk om alle kennis van een normaal mens uit te schrijven en netjes alle verbanden te leggen die er tussen die kennis bestaan.
Die kennis is stukje bij beetje ontstaan, door steeds nieuwe informatie te koppelen aan je bestaande kennis.

Als je een A.I. wilt gaan opvoeden is de vraag hoe je dat moet doen. A.I.'ers zijn dus het opvoeden van mensen gaan bestuderen en nabootsen.
Met kinderen ga je anders om dan met volwassenen. Je praat in korte en makkelijke zinnen, je wijst veel en doet dingen voor. Zo ben je op allerlei manieren bezig om een geschikte leeromgeving te maken voor het kind. Daar hoef je niet over na te denken, je doet het vanzelf, dat zit op een of andere manier ingebakken.

Even een zijsprongetje naar een andere relevant stroming binnen de A.I., namelijk het idee dat je een lichaam nodig hebt om de wereld echt te begrijpen. We vergelijken de hele wereld met onszelf. Andere mensen lijken allemaal op ons, maar zijn langer of korter, dikkere of dunner, lichter of donkerder, slimmer of dommer, etc. etc. Dieren lijken op ons, maar hebben meer of minder poten, vleugels of misschien wel vinnen, etc. etc. Een stoelpoot is dikker dan je vinger, maar dunner dan je arm. Op ijs kan je staan, op water niet. Gras is zacht, prikkeldraad niet. IJzer is hard, en steen is hard, maar ijzer buigt en steen breekt. Allemaal dingen die je wel kan opschrijven, maar pas goed kan verbinden als je je eigen lichaam (en de interacties daarmee) meeneemt.

Nu springen we weer terug naar het begin.
We willen dus een A.I. trainen, en we weten dat je daar een lichaam voor nodig hebt, en een leraar. En we weten dat we mensen automatisch in "leraar-modus" springen als ze schattige kindjes zien. Alles bij elkaar genomen krijg je zoiets als dit:

http://www.youtube.com/watch?v=3GkI374ZkM4
http://www.youtube.com/watch?v=GHIlFrL7dKM

Op dit item kan niet meer gereageerd worden.


Apple iPad Pro (2021) 11" Wi-Fi, 8GB ram Microsoft Xbox Series X LG CX Google Pixel 5a 5G Sony XH90 / XH92 Samsung Galaxy S21 5G Sony PlayStation 5 Nintendo Switch Lite

Tweakers vormt samen met Hardware Info, AutoTrack, Gaspedaal.nl, Nationale Vacaturebank, Intermediair en Independer DPG Online Services B.V.
Alle rechten voorbehouden © 1998 - 2021 Hosting door True