Yandex Metrika
1
2 репоста, 1 голос

Искусственный интеллект (ИИ) может принимать самые разные формы — от систем распознавания образов до генеративных моделей. Однако существует ещё один тип ИИ, способный практически мгновенно реагировать на данные из реального мира: воплощённый ИИ.

Но что это за технология и как она работает?

Что такое воплощённый ИИ?
Изображение: Yuichiro Chino/Getty Images

Воплощённый ИИ обычно сочетает в себе сенсоры и машинное обучение для анализа и реакции на данные из окружающего мира. Примеры включают автономные дроны, беспилотные автомобили и автоматизацию на заводах. Роботы-пылесосы и газонокосилки также используют упрощённую форму воплощённого ИИ.

Эти автономные системы обучаются преодолевать препятствия в физическом мире. Большинство воплощённых ИИ используют алгоритмически закодированные карты, которые можно сравнить с ментальными картами, применяемыми водителями лондонских такси для навигации по сложной сети дорог и ориентиров города. На самом деле, исследования того, как таксисты Лондона прокладывают маршрут, и помогли в разработке таких систем.

Некоторые системы также применяют групповую «воплощённую» интеллекцию, наблюдаемую у роев насекомых, стай птиц или стад животных. Эти группы синхронизируют свои движения подсознательно. Имитация такого поведения стала полезной стратегией для разработки сети дронов или складских машин, управляемых воплощённым ИИ.

История воплощённого ИИ

Разработка воплощённого ИИ началась ещё в 1950-х годах с создания кибернетической черепахи Уильямом Греем Уолтером (William Grey Walter) в Институте неврологии Бердена (Великобритания). Однако потребовались десятилетия, чтобы воплощённый ИИ начал занимать свою нишу. В то время как когнитивный и генеративный ИИ обучаются на основе языковых моделей, воплощённый ИИ учится через взаимодействие с физическим миром, аналогично тому, как человек реагирует на то, что видит и слышит.

Однако сенсорные входы воплощённого ИИ сильно отличаются от человеческих. Он может распознавать рентгеновские лучи, ультрафиолетовый и инфракрасный свет, магнитные поля или данные GPS. Алгоритмы компьютерного зрения позволяют анализировать эту информацию для идентификации объектов и взаимодействия с ними.

Создание модели мира

Основой воплощённого ИИ является его модель мира, разработанная под конкретную среду работы. Эта модель схожа с человеческим пониманием окружающего пространства.

Для поддержки модели мира применяются различные подходы к обучению. Один из примеров — обучение с подкреплением, где используются правила, такие как «всегда делай Х при встрече с Y», чтобы выбирать маршруты.

Другой подход — активный вывод (active inference), смоделированный по принципу работы человеческого мозга. Такие модели постоянно собирают данные из окружающей среды и обновляют модель мира в реальном времени, что схоже с тем, как люди реагируют на увиденное и услышанное. Напротив, другие модели ИИ не адаптируются так быстро.

Активный вывод начинается с базового понимания среды, но может быстро эволюционировать. Поэтому автономным транспортным средствам, использующим этот метод, требуется обширное обучение для безопасного использования на дорогах.

Воплощённый ИИ также может улучшить работу чат-ботов, позволяя им считывать эмоциональное состояние клиента и адаптировать свои ответы.

И хотя системы воплощённого ИИ находятся на ранних стадиях развития, исследования в этой области быстро продвигаются. Улучшения в области генеративного ИИ, а также в точности и доступности сенсоров, будут способствовать развитию воплощённого ИИ, помогая ему лучше определять окружающую среду.

Заметили ошибку в тексте? Выделите её мышкой и нажмите Ctrl + Enter

Следите за нашими новостями:


Понравилось? Поделитесь с друзьями!

✏️ Сообщить об ошибке

Вы заметили ошибку в следующем тексте: