Обзор тенденций развития робототехники. Обучение роботов при помощи глубинного обучения (deep learning)

Наверное уже все заметили значительные прогрессы в области робототехники и искусственного интеллекта. Вот лишь некоторая часть того что произошло в 2016 году.

Революция в области робототехники в Китае

Крупнейшая экономика в мире сделала очень смелый шаг и начала заполнять свои заводы передовыми производственными роботами. Правительство Китая надеется, что это поможет стране сохранить уровень своей промышленности, поднимет заработную плату трудящихся и производство станет самым эффективным и технологичным в мире. Такому проекту необходимы самые продвинутые и экономичные роботы, чтобы получить более экономический и технологический эффект.

Китай не чужд на такие технологические перевороты, и уже вложил значительные средства в робототехнику. Тем менее, масштаб его новой революции будет значительным. Провинция Гуандун, центр китайского производства, уже пообещала инвестировать $154 млрд в производство новейших роботизированных машин. Основатель компании Foxconn, компании, которая нанимает огромное количество рабочих, которые создают такие устройства, как iPhone от Apple, заявил что его компания готова выпускать более миллиона роботов в ближайшие несколько лет.

Глубокое обучение (Deep Learning)

Роботы всегда были очень эффективны для точной и монотонной работы, но по большей части они не очень умные. Вот поэтому они используются только для конкретной задачи. Это также объясняет, почему они не могу легко адаптироваться к новой задаче, и совсем не справляются с незнакомой. Но и решение этой проблемы было найдено, благодаря новым методам и алгоритмам обучения, которые позволяют роботам учиться гораздо быстрее и эффективнее.

Существуют различные методы, позволяющие роботу обучаться, а некоторые уже дают многообещающие результаты в исследовательских лабораториях по всему миру.

Один из подходов, в частности, имеет большое влияние в промышленной робототехнике. Глубокое обучение (deep learning), которое используется для обучения больших искусственных нейронных сетей, доказала свою незаменимость для обучения роботов, она помогает им распознавать содержание картинок, видео и даже аудио. Некоторые компании стремятся использовать этот подход для обучения своих роботов.

Обмен знаниями между роботами

Еще одна тенденция — это обмен полученными знаниями между роботами. Это может ускорить процесс обучения позволяя роботу мгновенно извлечь всю пользу из знаний других роботов. Более того, благодаря этому подходу, даже два совершенно разных робота могли бы учить друг друга, как распознавать определенные объекты или выполнить новое задание.

На данный момент реализуются несколько проектов, направленных на обеспечение простого, эффективного способа для роботов, чтобы объединить свои знания через интернет. И не трудно представить как это будет работать в промышленных установках, для таких задач, как выявления и захвата различных объектов.