Люди и животные при движении ориентируются относительно быстро, избегая препятствий в почти что рефлекторно. Кроме того, если человек не может сходу преодолеть очередную проблему на своем пути — например, открыть дверь с необычной ручкой, то за несколько секунд или минут обдумывания проблема решается и дверь, как правило, поддается. В следующий раз эта ручка уже не составит проблем. Речь, конечно, не только о дверях и ручках, а о решении подобных ситуаций в целом.
Кроме того, люди (равно, как и некоторые животные) могут предсказать, какое препятствие появится в течение последующих пары секунд или даже минут. Видя на своем пути киоск с газетами, человек понимает, что через 10-20 секунд его нужно обогнуть. С роботами (включая беспилотные автомобили и летающие аппараты) все сложнее. Для того, чтобы они умели решать свои проблемы самостоятельно, их нужно обучать. Корпорация Microsoft в числе прочих организаций занимается этой проблематикой и делает кое-какие успехи.
Сейчас разработчики из Microsoft создают набор инструментов, который поможет сторонним исследователям и девелоперам обучать и проверять в работе собственных роботов. Бета-версия программной платформы выложена в открытом доступе на GitHub под open-source лицензией.
Все это — часть исследовательского проекта Aerial Informatics and Robotics Platform (AirSim). В рамках проекта исследователи из Microsoft занимаются разработкой программного обеспечения, которое служит основой для быстрого создания сторонних приложений по управлению дронами и другими гаджетами. Также при помощи этой системы можно обучать различные устройства, которые поддерживают самообучение.
Ашиш Капур (Ashish Kapoor), глава проекта, надеется на то, что работа его команды станет стимулом для прогресса в области «умных устройств», включая робомобили, системы доставки товаров и все прочие роботизированные устройства. Цель проекта — создание систем, которые смогут работать в реальном мире. В этом отличие проекта Microsoft от проектов других организаций, где цель — обучить ИИ управлять роботами в искусственном окружении с четко очерченными правилами. В качестве примера можно привести, например, настольные игры.
«Это следующий шаг в развитии ИИ, мы думаем о системах для реального мира», — говорит он.
В качестве примера можно привести ситуацию, когда дрону нужно «объяснить» разницу между тенью и стеной. Звучит просто, но на самом деле, если коптеры начнут «понимать» эту разницу, то перестанут разбиваться о препятствия. Или, во всяком случае, число аварий значительно снизится.
Интересно, что обучение корпорация предлагает вести в виртуальном мире, эмулирующем мир реальный. Ранее это было невозможно из-за ограничений «железа», а теперь, благодаря мощным графическим адаптерам и прочим компонентам компьютерных систем, ИИ можно обучать вести дрон в графической среде, которая копирует, например, лес или населенный пункт.
Положительным моментом такого способа обучения можно назвать возможность изменить условия виртуального мира: время суток, погодные условия, рельеф. Еще один плюс — работа ИИ с виртуальными, а не реальными, дронами. А это — экономия средств, поскольку дроны в таких испытаниях не нужны, аварий с необходимостью закупки новых устройств нет. Плюс ко всему, нет необходимости выезжать на природу, менять батареи, заряжать дрон. Если плохая погода — в реальном мире коптер тестировать нельзя. А в виртуальном мире погода всегда такая, какая нужна разработчику. Потери времени минимизируются.
Шитал Шах (Shital Shah), главный разработчик симулятора, утверждает, что обучение ИИ возможно только при условии создания качественной графики с четкой детализацией окружения.
Кроме симулятора, платформа Microsoft включает в себя библиотеку программного обеспечения, которое облегчает разработчику задачу написания собственного кода для дронов двух наиболее известных разработчиков дронов: DJI and MavLink. Обычно девелоперам приходится терять много времени на разбор API при написании кода для конкретной аппаратной платформы. Возможно, в ближайшем будущем Microsoft добавит и дроны других производителей.
По мнению представителей Microsoft, AirSim позволяет обучить ИИ предсказывать появление препятствий, о чем шла речь выше. Это необходимо, если человек хочет поручить ИИ управлять транспортными средствами, коптерами и устройствами других типов.
Сотрудники Microsoft работают над созданием своей платформы менее года. Но перед этим они принимали участие в других проектах. Некоторые специалисты занимались вопросами компьютерного зрения, другие — ИИ или робототехникой. Соединив весь опыт участников команды вместе, Microsoft получила новую перспективную разработку.
Сейчас в планах участников команды — создание агентов ИИ, которые смогут сотрудничать вместе, а не конкурировать. Этим же вопросом, кстати, занимается и подразделение Google, DeepMind. Ранее это подразделение провело детальный анализ ситуаций, в которых агенты ИИ не конкурируют, а работают сообща для достижения одной и той же цели. Специалисты выяснили, то поведение ИИ-агентов меняется в соответствии с условиями и ограничениями их окружения. Если правила предполагают получение выгоды в случае агрессивного поведения, то ИИ будет становиться все более агрессивным. В противном случае ИИ будет становиться все более склонным к сотрудничеству с партнером или партнерами.
Что касается Microsoft, то компания надеется на то, что ее новая платформа обучения ИИ позволит всей сфере развиваться более быстрыми темпами. Кроме того, компания считает, что необходимо начать стандартизировать работу агентов ИИ, вводя стандарты и правила, описывающие поведение этих агентов в реальном мире.
Источник
