La Cornell University sta creando un robot che imparerà a riconoscere gli oggetti e il loro utilizzo, così come il linguaggio umano e il comportamento. Inoltre, sarà in grado di trasferire questa conoscenza ad altri robot.
Il mese scorso, la Cornell University ha avviato il suo progetto Robo Brain, descritto come “un sistema computazionale su larga scala, che impara dalle risorse a disposizione del pubblico di Internet, simula al computer, e le prova nella vita reale”.
Il robot sta scaricando nella sua memoria un miliardo di immagini, 120.000 video di YouTube e 100 milioni di documenti e manuali di elettrodomestici, nonché le formazione che i ricercatori della Cornell University hanno dato ad altri robot nei loro laboratori.
“I nostri computer portatili e telefoni cellulari hanno accesso a tutte le informazioni che vogliamo”, ha spiegato il professore che coordina il progetto Ashutosh Saxena. “Se un robot incontra una situazione che non ha vissuto prima, potrà chiedere aiuto a Robo Brain”.
Se un robot vede una tazza, ad esempio, può imparare da Robo Brain a riconoscere la tazza di caffè, che è utilizzata per contenere liquidi, che può essere formata da un manico e che deve essere tenuta in posizione verticale quando è piena, al fine di evitare perdite del liquido in essa contenuto, mentre può essere ribaltata quando è vuota, come quando viene inserita in una lavastoviglie per essere lavata.
Robo Brain può anche riconoscere vari livelli di astrazione, un sistema che i ricercatori chiamano “profondo apprendimento strutturato”. Ad esempio, se il robot vede una poltrona, sa che è classificata come “mobile”, e più specificamente un mobile usato per sedersi, una sotto-classe che contiene una vasta gamma di altri mobili come sedie, sgabelli, panche e divani.
Queste informazioni vengono trasformate e poi conservate in quello che i matematici chiamano un “modello di Markov”, rappresentato come una serie di punti (“nodi”) collegati da linee (“edges”), come un grafico di linee in cui ogni ‘stato’ dipende dagli ‘stati’ precedenti. I nodi possono essere azioni, oggetti, o parti di un’immagine, e ad ognuno è assegnata una probabilità, o un livello di variante, pur rimanendo corretta.
Il progetto è attualmente disponibile per la visualizzazione pubblica sul sito dedicato a Robo Brain, dove gli utenti possono vedere lo stato di avanzamento del progetto e lasciare commenti per i ricercatori.
Our Fact Checking Process
We prioritize accuracy and integrity in our content. Here's how we maintain high standards:
- Expert Review: All articles are reviewed by subject matter experts.
- Source Validation: Information is backed by credible, up-to-date sources.
- Transparency: We clearly cite references and disclose potential conflicts.
Our Review Board
Our content is carefully reviewed by experienced professionals to ensure accuracy and relevance.
- Qualified Experts: Each article is assessed by specialists with field-specific knowledge.
- Up-to-date Insights: We incorporate the latest research, trends, and standards.
- Commitment to Quality: Reviewers ensure clarity, correctness, and completeness.
Look for the expert-reviewed label to read content you can trust.