tehnologie

Imbunatatirea algoritmilor AI va duce la o revolutie in protetica.

Antrenamentul inteligenței artificiale cufolosind procesele și erorile, atunci când computerul "hrănea" înregistrările unui număr imens de jocuri care fuseseră deja jucate, pe baza cărora și-a ascuțit aptitudinile, sa dovedit că mașina este capabilă să depășească o persoană în astfel de jocuri clasice, cum ar fi jocul de șah și logică. Din cele mai recente exemple putem lua în considerare victoria recentă zdrobitoare a unui computer asupra unei persoane în jocul de calculator strategic StarCraft II, unde mașina a fost instruită pe același principiu. Cu toate acestea, un alt grup de specialiști în domeniul inteligenței artificiale a arătat că această metodă de formare poate fi folosită și pentru sarcini mai practice, de exemplu, pentru instruirea protezelor robotice.

Metoda de învățare a mașinii de armare(invatare de reinstruire), in care sistemul de testare este instruit prin interactiunea cu un anumit mediu, au aratat rezultate promitatoare intr-un mic experiment care implica un cuplu de voluntari - o persoana complet sanatoasa si una cu un picior amputat deasupra genunchiului.

Când folosiți metodele tradiționale pentru tehnicieniDe obicei, durează câteva ore pentru a crea o proteză robotică corect prin ajustarea manuală a fiecărei articulații artificiale și ajustarea acesteia la stilul specific de mers pe care se utilizează persoana respectivă. Experimentele de la specialiștii de la Universitatea din Carolina de Nord au arătat că metoda de învățare prin mașină cu întăriri vă permite să faceți acest lucru mult mai rapid - în 10 minute după o configurare complet automată, o persoană poate merge ușor.

"Înainte de utilizarea efectivă a acestei tehnologii,foarte departe. Am arătat doar că este posibil. Rezultatul ne-a incantat ", a comentat Helen Huang, profesor de bioinginerie la Universitatea de Stat din Carolina de Nord.

Huang și colegii săi au publicat concluziile lor înTranzacții IEEE pentru Cibernetică. Rezultatele muncii lor pot fi un prim pas important în direcția automatizării proceselor tipice de reglare manuală a membrelor robotice, care de obicei durează mult timp și necesită ca pacienții să viziteze specialiști ori de câte ori protezele necesită reglare. În viitor, toate aceste setări, oamenii vor putea să acționeze acasă singuri, fără ajutorul tehnicienilor.

Setarea protezei robotice în sineeste un proces complex de montare a diverșilor parametri care determină nivelurile de interacțiune dintre membre și proteza necesară pentru îndeplinirea anumitor sarcini. De exemplu, unii parametri determină rigiditatea unei articulații rotative la genunchi sau intervalul de abateri permise atunci când piciorul se rotește înainte și înapoi. În cazul în discuție, genunchiul protezei robotice a necesitat ajustarea a 12 parametri diferiți. Prin abordarea standard, rezultatul final era de obicei departe de ideal, dar totuși era destul de potrivit ca o persoană să stea pe proteză și să efectueze mișcări simple.

Formarea robotică a membrelor esteprocesul de coadaptare foarte dificil. O proteză ar trebui să învețe literalmente să lucreze în tandem cu creierul uman, care controlează adaptarea reciprocă a organelor în întregul organism. În același timp, este necesar să învățați să mergeți nu numai proteza în sine, ci și persoana. De regulă, primele rezultate arată destul de ciudat - nu departe de exemplele cu schiuri sau patine, pentru care persoana a fost prima dată.

"Corpul nostru poate reacționa destul de ciudatobiecte străine care îi imită continuarea. Într-un fel, algoritmul nostru de învățare cu mașină asistată de calculator, cu întărire, învață să interacționeze cu corpul uman ", spune coautorul unui studiu publicat, Jenny C, profesor de inginerie electronică, informatică și energie din Universitatea de Stat din Arizona.

Sarcina de a preda proteze roboticeComplicată de un set foarte limitat de date disponibile pentru învățarea algoritmului. De exemplu, pentru a-și forma algoritmii AlphaZero și AlphaStar pentru a juca șah, du-te și StarCraft II, DeepMind a folosit înregistrările a milioane de jocuri din aceste jocuri deja jucate. La rândul său, un amputee pentru a colecta datele necesare pentru învățarea algoritmului nu va putea să meargă pentru o perioadă foarte lungă de timp. De exemplu, cei care au vizitat laboratorul Huang ar putea să meargă fără oprire timp de doar 15-20 de minute, după care au nevoie de o odihnă mică.

Dar nu toate acestea sunt dificultăți și limităripermițând să acopere întreaga gamă de informații educaționale, notează cercetătorii. De exemplu, chiar și între Xi și Huang, înainte de începerea proiectului, a existat o dezbatere cu privire la posibilitatea ca voluntarii care participă la experiment să poată cădea, astfel încât algoritmul să poată învăța această informație. Drept urmare, ei au decis să renunțe la această idee, eliminând siguranța voluntarilor.

Și totuși, chiar și în ciuda tuturor acestor dificultățiPrimele rezultate au fost impresionante. Cercetatorii au predat algoritmul pentru a identifica modele specifice in datele colectate de senzorii instalati in genunchiul robotic. Aceasta, la rândul său, a făcut posibilă stabilirea unui prag pentru funcționalitatea unei proteze robotizate, care a făcut posibilă evitarea unor situații nedorite care ar putea duce la o cădere. În final, algoritmul a învățat să se bazeze pe un anumit model de acțiuni, ceea ce a făcut posibilă atingerea stabilității, a netezirii și a unei mai mari naturalități în mișcarea membrului robotic.

Metoda de învățare automatămembrele robotice sunt încă foarte departe de utilizarea în masă. Acum, oamenii de știință doresc să predea algoritmul pentru a gestiona cu ușurință proteza atunci când se ridică, se ridică (de exemplu, dintr-un scaun) și coboară (de exemplu, de-a lungul unei scări). În plus, sarcina este de a face sistemul mai autonom, ceea ce va permite instruirea și ajustarea protezelor nu numai în condiții de laborator.

Una dintre cele mai dificile și în același timp cele mai importantesarcinile, conform cercetătorilor, este de a dezvolta o metodă de "comunicare" a algoritmului și a persoanei, astfel încât acesta din urmă să-i poată spune care dintre setările selectate ale protezei este cea mai convenabilă. Primele încercări de a rezolva această problemă prin butoane obișnuite și alte metode simple de introducere a informațiilor s-au dovedit ineficiente. Poate din cauză că această versiune a interfeței computere-calculator nu permite transmiterea imaginii complete a percepției coordonării umane.

"Această metodă nu a funcționat pentru că nu ne-am ocupatSfârșit înțelege toate trăsăturile corpului uman. Mai întâi de toate, este necesar să se completeze unele lacune în cunoștințele fundamentale ale psihologiei și fiziologiei ", concluzionează Huang.

Perspectivele dezvoltării protezelor robotice bazate pe inteligența artificială pot fi discutate în chat-ul nostru de telegrame.