So beginnt endlich der Roboteraufstand

Die Schuldigen sind Wintermeyer

Der Roboterarm verrichtet eine eigentümliche Art von Sisyphus-Aufgabe. Es schwebt über einem glitzernden Haufen gekochter Hähnchenteile, taucht nach unten und holt ein einzelnes Stück heraus. Einen Moment später schwingt es herum und legt das Hühnchenstück ganz sanft in eine Bento-Box, die sich auf einem Förderband bewegt.

Dieser Roboter, der von der Software eines in San Francisco ansässigen Unternehmens namens Osaro gesteuert wird, ist intelligenter als alle, die Sie zuvor gesehen haben. Die Software hat ihm beigebracht, Hähnchen in etwa fünf Sekunden auszuwählen und zu platzieren. Innerhalb des Jahres erwartet Osaro, dass seine Roboter Arbeit in einer japanischen Lebensmittelfabrik finden werden.

Diese Geschichte war Teil unserer Juli-Ausgabe 2018

• Siehe den Rest des Problems
• Abonnieren

Wer Angst vor einem Roboteraufstand hat, braucht nur eine moderne Fabrik zu betreten, um zu sehen, wie weit dieser entfernt ist. Die meisten Roboter sind leistungsstark und präzise, ​​können aber nichts tun, wenn sie nicht akribisch programmiert sind. Einem gewöhnlichen Roboterarm fehlt das nötige Gespür, um ein Objekt aufzunehmen, wenn es nur einen Zentimeter bewegt wird. Es ist völlig hoffnungslos, etwas Unbekanntes zu greifen; es kennt nicht den Unterschied zwischen einem Marshmallow und einem Bleiwürfel. Es ist ein genialer Akt, unregelmäßig geformte Hähnchenstücke von einem zufälligen Haufen aufzuheben.

Industrieroboter sind von den neuesten Fortschritten in der künstlichen Intelligenz weitgehend unberührt geblieben. In den letzten fünf Jahren hat sich KI-Software zu einem Meister entwickelt, um Bilder zu identifizieren, Brettspiele zu gewinnen und praktisch ohne menschliches Eingreifen auf die Stimme einer Person zu reagieren. Es kann sich sogar neue Fähigkeiten beibringen, wenn es genügend Zeit zum Üben hat. All dies, während die Hardware-Cousins ​​der KI, Roboter, damit kämpfen, eine Tür zu öffnen oder einen Apfel aufzuheben.

Das soll sich ändern. Die KI-Software, die Osaros Roboter steuert, lässt ihn die Objekte vor ihm identifizieren, untersuchen, wie sie sich verhalten, wenn sie gestoßen, geschoben und gegriffen werden, und dann entscheiden, wie sie damit umgehen. Wie andere KI-Algorithmen lernt es aus Erfahrung. Mithilfe einer handelsüblichen Kamera in Kombination mit maschineller Lernsoftware auf einem leistungsstarken Computer in der Nähe findet es heraus, wie man Dinge effektiv erfasst. Mit genügend Trial-and-Error kann der Arm lernen, fast alles zu greifen, was ihm begegnet.

Ein Roboter holt Produkte aus einem Behälter in der Osaro-Zentrale. Winni Wintermeyer

Mit KI ausgestattete Arbeitsplatzroboter werden die Automatisierung in viele weitere Arbeitsbereiche einziehen lassen. Sie könnten überall dort Menschen ersetzen, wo Produkte sortiert, ausgepackt oder verpackt werden müssen. In der Lage, sich in einer chaotischen Fabrikhalle zurechtzufinden, könnten sie noch mehr Jobs in der Fertigung übernehmen. Es könnte kein Aufstand sein, aber es könnte trotzdem eine Revolution sein. Wir sehen jetzt viele Experimente, und die Leute probieren viele verschiedene Dinge aus, sagt Willy Shih, der Trends in der Fertigung an der Harvard Business School studiert. Es gibt viele Möglichkeiten, sich wiederholende Aufgaben zu [automatisieren].

Es ist eine Revolution nicht nur für die Roboter, sondern auch für die KI. Das Einbringen von KI-Software in einen physischen Körper ermöglicht es, visuelle Erkennung, Sprache und Navigation in der realen Welt zu verwenden. Künstliche Intelligenz wird intelligenter, da sie sich aus mehr Daten speist. Mit jedem Griff und jeder Platzierung wird die Software hinter diesen Robotern also immer geschickter darin, die Welt und ihre Funktionsweise zu verstehen.

Dies könnte zu Fortschritten führen, die ohne all diese Daten nicht möglich wären, sagt Pieter Abbeel, Professor an der University of California, Berkeley, und Gründer von Covariant.ai (bis vor kurzem Embodied Intelligence), einem Startup, das maschinelles Lernen anwendet und Virtual Reality bis hin zur Robotik in der Fertigung.

Bei der Geburt getrennt

Diese Ära hat lange auf sich warten lassen. 1954 patentierte George C. Devol, ein Erfinder, ein Design für einen programmierbaren mechanischen Arm. 1961 verwandelte ein Fertigungsunternehmer namens Joseph Engelberger das Design in den Unimate, eine unhandliche, unhandliche Maschine, die erstmals in einem Fließband von General Motors in New Jersey zum Einsatz kam.

Von Anfang an gab es eine Tendenz, die Intelligenz hinter diesen einfachen Maschinen zu romantisieren. Engelberger wählte den Namen Roboter für den Unimate zu Ehren der Androiden, die sich der Science-Fiction-Autor Isaac Asimov ausgedacht hat. Aber seine Maschinen waren grobe mechanische Geräte, die durch relativ einfache Software dazu bestimmt waren, eine bestimmte Aufgabe auszuführen. Selbst die heutigen viel fortschrittlicheren Roboter bleiben kaum mehr als mechanische Dummköpfe, die für jede Aktion programmiert werden müssen.

Künstliche Intelligenz ging einen anderen Weg. In den 1950er Jahren begann es, die Computerwerkzeuge zu verwenden, um menschenähnliche Logik und Vernunft nachzuahmen. Einige Forscher versuchten auch, diesen Systemen eine physische Präsenz zu verleihen. Bereits 1948 und 1949 entwickelte William Gray Walter, ein Neurowissenschaftler in Bristol, Großbritannien, zwei kleine autonome Maschinen, die er Elsie und Elmer nannte. Diese schildkrötenähnlichen Geräte waren mit einfachen, neurologisch inspirierten Schaltkreisen ausgestattet, die es ihnen ermöglichten, selbstständig einer Lichtquelle zu folgen. Walter baute sie, um zu zeigen, wie die Verbindungen zwischen nur wenigen Neuronen im Gehirn zu einem relativ komplexen Verhalten führen können.

Ein Mitarbeiter von Embodied Intelligence verwendet ein Virtual-Reality-Rig, um einen Roboter zu trainieren. Höflichkeitsfoto

Aber das Verständnis und die Wiederherstellung von Intelligenz erwies sich als byzantinische Herausforderung, und die KI ging in eine lange Zeit mit wenigen Durchbrüchen. In der Zwischenzeit erwies sich die Programmierung physischer Maschinen für nützliche Dinge in der chaotischen realen Welt oft als unlösbar komplex. KI und Roboter sind seit Jahrzehnten feste Partner in Forschungslabors, und Forscher haben versucht, maschinelles Lernen auf Industrieroboter anzuwenden, aber das hat sich in der Industrie noch nicht durchgesetzt.

Dann, vor etwa sechs Jahren, fanden Forscher heraus, wie man einen alten KI-Trick unglaublich mächtig macht. Die Wissenschaftler verwendeten neuronale Netze – Algorithmen, die grob gesagt ungefähr der Art und Weise entsprechen, wie Neuronen und Synapsen im Gehirn aus Eingaben lernen. Diese Netzwerke waren, wie sich herausstellte, direkte Nachkommen der Komponenten, die Elsie und Elmer ihre Fähigkeiten verliehen. Die Forscher entdeckten, dass sehr große oder tiefe neuronale Netze bemerkenswerte Dinge leisten können, wenn sie mit riesigen Mengen gekennzeichneter Daten gefüttert werden, wie z. B. das Erkennen des in einem Bild gezeigten Objekts mit nahezu menschlicher Perfektion.

Das Feld der KI wurde auf den Kopf gestellt. Deep Learning, wie die Technik allgemein genannt wird, wird heute häufig für Wahrnehmungsaufgaben eingesetzt: Gesichtserkennung, Sprachtranskription und das Training selbstfahrender Autos zur Erkennung von Fußgängern und Wegweisern. Es hat es möglich gemacht, sich einen Roboter vorzustellen, der Ihr Gesicht erkennen, intelligent mit Ihnen sprechen und sicher in die Küche navigieren könnte, um Ihnen eine Limonade aus dem Kühlschrank zu holen.

Die Schuldigen sind Wintermeyer

Der Mann hinter dem intelligenteren Roboter von Osarou2019

• Der CEO von Osaro, Derik Pridmore, studierte Physik und Informatik am MIT, bevor er zu einer West Coast VC-Firma namens Founders Fund wechselte. Dort identifizierte Pridmore DeepMind, ein britisches KI-Unternehmen, als Investitionsziel, und er arbeitete mit den Gründern des Unternehmens zusammen, um ihren Pitch zu verfeinern. DeepMind brachte Maschinen bei, Dinge zu tun, die damals unmöglich schienen. Bekanntlich entwickelte es AlphaGo, das Programm, das den ranghöchsten menschlichen Großmeister beim Brettspiel Go besiegte.

• Als Google 2014 DeepMind erwarb, entschied Pridmore, dass KI kommerzielles Potenzial hat. Er gründete Osaro und entdeckte schnell die Roboterkommissionierung als ideale Anwendung. Das Greifen von Gegenständen, die in einen Behälter geladen oder über ein Förderband gerollt werden, ist eine einfache Aufgabe für einen Menschen, erfordert jedoch echte Intelligenz.

• Die Techniken, die DeepMind entwickelt hat und die als Deep Reinforcement Learning bekannt sind, lassen Maschinen komplexe Aufgaben ausführen, ohne aus von Menschen bereitgestellten Beispielen zu lernen. Positives Feedback, wie das Erzielen einer höheren Punktzahl in einem Videospiel, stimmt das Netzwerk ab und bringt den Algorithmus näher an das Ziel heran, bis er Experte wird.

• Die Argumentation, die dies ermöglicht, ist tief im Netzwerk vergraben, kodiert im Zusammenspiel von zig Millionen miteinander verbundenen simulierten Neuronen. Aber das resultierende Verhalten kann einfach und instinktiv erscheinen. Mit genügend Übung kann ein Arm lernen, Dinge effizient aufzunehmen, selbst wenn ein Objekt bewegt, von einem anderen Objekt verdeckt oder etwas anders geformt ist. Osaro verwendet Deep Reinforcement Learning zusammen mit mehreren anderen maschinellen Lerntechniken, um Industrieroboter viel klüger zu machen.

Eine der ersten Fähigkeiten, die KI Maschinen verleihen wird, ist eine weitaus größere Geschicklichkeit. In den letzten Jahren hat Amazon eine Robot-Picking-Challenge durchgeführt, bei der Forscher darum wetteifern, dass ein Roboter so schnell wie möglich eine breite Palette von Produkten aufnimmt. Alle diese Teams nutzen maschinelles Lernen, und ihre Roboter werden nach und nach leistungsfähiger. Amazon hat eindeutig ein Auge auf die Automatisierung der Kommissionierung und Verpackung von Milliarden von Artikeln in seinen Logistikzentren.

„Ich arbeite seit 35 Jahren im Bereich des Robotergreifens, und wir haben nur sehr wenige Fortschritte gemacht“, sagt Ken Goldberg, ein Kollege von Abbeel an der UC Berkeley. Dank Fortschritten in der KI ändert sich das: Wir sind jetzt bereit, einen großen Sprung nach vorne zu machen.

KI bekommt einen Körper

Im New Yorker Stadtteil NoHo sucht einer der weltweit führenden Experten für künstliche Intelligenz derzeit nach dem nächsten großen Durchbruch auf diesem Gebiet. Und er glaubt, dass Roboter ein wichtiges Puzzleteil sein könnten.

Yann LeCun spielte eine entscheidende Rolle in der Deep-Learning-Revolution. In den 1980er Jahren, als andere Forscher neuronale Netze als unpraktisch abtaten, hielt LeCun durch. Als Leiter der KI-Forschung von Facebook bis Januar und jetzt als leitender KI-Wissenschaftler leitete er die Entwicklung von Deep-Learning-Algorithmen, die Benutzer in nahezu jedem Foto identifizieren können, das eine Person postet.

Aber LeCun möchte, dass die KI mehr kann als nur zu sehen und zu hören; er möchte, dass es vernünftig ist und Maßnahmen ergreift. Und er sagt, es brauche eine physische Präsenz, um dies zu ermöglichen. Menschliche Intelligenz beinhaltet die Interaktion mit der realen Welt; Menschenbabys lernen, indem sie mit Dingen spielen. KI, die in Greifmaschinen eingebettet ist, kann dasselbe tun. Viele der interessantesten KI-Forschungen beziehen sich jetzt auf Roboter, sagt LeCun.

Es könnte sogar eine bemerkenswerte Art von Maschinenevolution entstehen, die den Prozess widerspiegelt, der die biologische Intelligenz hervorgebracht hat. Vision, Geschicklichkeit und Intelligenz begannen sich zusammen mit einer beschleunigten Geschwindigkeit zu entwickeln, als Hominiden begannen, aufrecht zu gehen und ihre beiden freien Hände zu benutzen, um Objekte zu untersuchen und zu manipulieren. Ihre Gehirne wurden größer und ermöglichten fortschrittlichere Werkzeuge, Sprache und soziale Organisation.

Könnte KI etwas Ähnliches erleben? Bisher existierte es hauptsächlich in Computern und interagierte mit groben Simulationen der realen Welt wie Videospielen oder Standbildern. KI-Programme, die in der Lage sind, die reale Welt wahrzunehmen, mit ihr zu interagieren und etwas über sie zu lernen, könnten schließlich viel besser darin werden, zu argumentieren und sogar zu kommunizieren. Wenn Sie die Manipulation vollständig lösen, sagt Abbeel, haben Sie wahrscheinlich etwas gebaut, das der vollständigen Intelligenz auf menschlicher Ebene ziemlich nahe kommt.

Korrektur: Eine frühere Version dieser Geschichte deutete an, dass KI- und Robotikforschung seit Jahrzehnten weitgehend getrennte Bereiche seien. Es wurden einige Änderungen vorgenommen, um zu verdeutlichen, dass die Trennung hauptsächlich in kommerziellen Anwendungen und nicht im Forschungslabor stattfand.

verbergen