Οι μιμητικοί νευρώνες οδήγησαν στη δημιουργία του πιο έξυπνου ρομπότ

Μετάφραση άρθρου της Helen Knight


Ένα ρομπότ εμπνευσμένο από τον τρόπο λειτουργίας των ανθρώπινων νευρώνων μπορεί να ερμηνεύσει τις ανθρώπινες χειρονομίες προκειμένου να μάθει πως να ανταποκρίνεται σ αυτές και επομένως πως να συμπεριφέρεται. 

Ένας άνθρωπος και ένα ρομπότ αντικρίζουν ο ένας τον άλλο στο δωμάτιο. Ο άνθρωπος σηκώνει μια μπάλα και κάνει πως την πετάει προς το ρομπότ και μετά σπρώχνει ένα αμάξι-μινιατούρα προς την ίδια κατεύθυνση. 

Το ρομπότ βρίσκεται σε σύγχυση καθώς και τα 2 αντικείμενα κατευθύνονται προς τα πάνω του ταυτόχρονα και μια ερώτηση εμφανίζεται στην οθόνη του. Χωρίς να μιλά ο άνθρωπος πετά τη μπάλα και τότε το ρομπότ στρέφει την προσοχή του προς τη μπάλα και αποφασίζει να την πετάξει πίσω. 

Σ αυτήν την περίπτωση οι κινήσεις του ρομπότ αναπαρίστανται σαν εντολές λογισμικού αλλά είμαστε ένα μικρό βήμα μακριά από τη δημιουργία ενός ρομπότ που να αντιλαμβάνεται τις επιθυμίες του ανθρώπου από τις χειρονομίες του και μόνο. 

Το προαναφερθέν σύστημα αναπτύχθηκε από τους Ji-Hyeong Han και Jong-Hwan Kim στο Ινστιτούτο Επιστήμης και Τεχνολογίας της Κορέα (KAIST) και έχει σχεδιαστεί έτσι ώστε να αποκρίνεται στις κινήσεις ενός ατόμου που το αντικρίζει όπως ακριβώς θα έκανε και ο ανθρώπινος εγκέφαλος. Ο ανθρώπινος εγκέφαλος περιλαμβάνει τους μιμητικούς νευρώνες, οι οποίοι πυροδοτούνται τόσο όταν παρατηρούμε μια κίνηση όσο και όταν κάνουμε την ίδια κίνηση. Θεωρείται πως η λειτουργία τους μας βοηθάει να αναγνωρίσουμε ή να προβλέψουμε τις προθέσεις του άλλου. 

Προκειμένου να μιμηθεί μια πράξη το ρομπότ παρατηρείται τι κάνει το άτομο που έχει απέναντί του, μεταφράζει την πράξη σε μια απλή γραπτή περιγραφή και την αποθηκεύει στη μνήμη του. Συγκρίνει στη συνέχεια την πράξη αυτή με μια βάση δεδομένων που περιλαμβάνει δικές του πράξεις και τέλος δημιουργεί μια προσομοίωση βασιζόμενη στο σωστότερο ζευγάρωμα των παραπάνω κινήσεων. 

Το ρομπότ συγκεντρώνει και καταγράφει, επίσης, μια σειρά από προθέσεις ή στόχους που σχετίζονται με την εκάστοτε πράξη. Για παράδειγμα, μια χειρονομία όπως αυτή του πετάγματος της μπάλας υποδεικνύει στο ρομπότ ότι πρέπει να πετάξει τη μπάλα πίσω. Έτσι το ρομπότ συνδέει την κίνηση "πετάω κάτι" με το αντικείμενο "μπάλα" και προσθέτει αυτό το δεδομένο στη βάση των γνώσεών του. 

Όταν η μνήμη του ρομπότ του υποδεικνύει 2 πιθανές προθέσεις που ταιριάζουν με την πληροφορία που δέχεται το ρομπότ λαμβάνει και τις 2 υπ' όψιν του και προσδιορίζει ποια από τις 2 θα έχει την καλύτερη ανταπόκριση από τον άνθρωπο, ένα νεύμα ή ένα χαμόγελο ίσως, για παράδειγμα. Αν πάλι βρεθεί σε σύγχυση τότε μπορεί να ζητήσει από τον άνθρωπο μια επιπλέον χειρονομία (που θα εξηγήσει λίγο περισσότερο την απόκριση που αναμένει). Ακόμη το ρομπότ καταγράφει κάθε αλληλεπίδρασή του με τους ανθρώπους ούτως ώστε να αποκριθεί γρηγορότερα την επόμενη φορά που θα βρεθεί σε μια ανάλογη κατάσταση. 

Το σύστημα αυτό θα πρέπει να επιτρέπει στα ρομπότ να επικοινωνούν με τους ανθρώπους αποτελεσματικότερα. "Προφανώς τα ρομπότ μπορούν να καταλάβουν τις προθέσεις του ανθρώπου όταν λάβουν μια φωνητική εντολή αλλά αυτό θα απαιτούσε συχνές και επεξηγήσεις, κάτι που μπορεί να γίνει πολύ άβολο", λέει ο Han. 

"Αυτά τα κοινωνικά έξυπνα ρομπότ που μπορούν να επικοινωνούν με τους ανθρώπους μέσω χειρονομιών και εκφράσεων θα είναι ικανά να δημιουργούν μοντέλα συμπεριφοράς του εκάστοτε ατόμου προκειμένου να καταλάβουν τις ανάγκες του", λέει ο Chris Melhuish, διευθυντής του Bristol Robotics Laboratory στην Αγγλία. 


Ο Han παρουσίασε τη δουλειά του στο συνέδριο Robio στην Κίνα τον Δεκέμβριο ενώ υπόσχεται για περαιτέρω βελτιώσεις του μοντέλου του. 


Αγγλική πηγή: http://www.newscientist.com/article/mg20927943.700-mimicbots-learn-to-do-as-we-do.html