Nemůžete najít klíče od auta? Roboti si to zapamatují lépe než vy
Stejně jako kávovary a Roombas by se tito robotičtí společníci - spolu s kamerami a algoritmy AI - mohli brzy stát součástí domácnosti pro nás lidi, kteří mají stále větší paměť.
V roce 2015 byly informační kanály zaplaveny zprávami o tom, že rozsah lidské pozornosti klesl na 8,25 sekundy u základního úkolu. Ještě potupnější byl jeden detail ve zprávě: lidská schopnost soustředit se registrovala nižší než rozsah pozornosti zlaté rybky, který se projevil za 9 sekund.
Bylo téměř slyšet úlevné oddechnutí, když se ukázalo, že nic z toho není pravda. (Zlatá rybka má zjevně vzpomínky a může se učit!)
Semeno tohoto velmi věrohodného mýtu bylo zřejmě zaseto ve zprávě společnosti Microsoft. A přesto, když se zbavíte senzačních informací, které se vryly do nesčetných zpráv, základní fakta se ukázala být znepokojivě na místě.
Naše rozsahy pozornosti se zmenšují.
Připraveno k zapomenutí
Dr. Gloria Mark, profesorka informatiky na Kalifornské univerzitě v Irvine, která studuje, jak digitální média ovlivňují naše životy, napsala knihu potvrzení domněnky, že naše schopnost soustředit se je v ohrožení.
„V roce 2004 jsme naměřili průměrnou pozornost na obrazovce dvě a půl minuty,“ píše Mark. "O několik let později jsme zjistili, že rozsahy pozornosti jsou asi 75 sekund. Nyní zjišťujeme, že lidé mohou věnovat pozornost jedné obrazovce v průměru 47 sekund," říká.
Ze 150 sekund na 47 sekund v průměru za pouhých 10 let je ohromující pokles, který by mohl mít hluboký dopad na náš druh.
Mnoho vědců poukazuje na stav zvaný úpadek kognitivních funkcí, ke kterému mezi námi lidmi dochází, když se stále více a více spoléháme na technologie, abychom dělali věci, ke kterým jsme dříve používali svůj mozek.
Když svému mozku zabráníte dělat obtížné věci, jako je čtení map, abyste se dostali do cíle, nebo používání GPS, jako jsou Mapy Google, aby vás tam navedly, brzdíte právě ty věci, které pomohly vašemu druhu vyvinout se.
Stává se z toho začarovaná smyčka zpětné vazby. "Jakmile přestanete používat paměť, bude to horší, takže budete používat svá zařízení ještě více," říká profesor Oliver Hardt, který studuje neurobiologii paměti a zapomínání na McGill University v Montrealu.
"Můžeme předvídat, že dlouhodobé používání GPS pravděpodobně sníží hustotu šedé hmoty v hippocampu... Navigační systémy založené na GPS nevyžadují, abyste vytvořili složitou geografickou mapu. Místo toho vám pouze řeknou orientaci, jako je 'odbočte doleva na další světlo,“ říká Hardt.
Poslouchání mapové aplikace hippocampus příliš nezapojuje, na rozdíl od toho, že je člověk nucen zapojit se do fyzické mapy, což vyžaduje mnohem větší a složitější kognitivní proces. A má to pro nás katastrofální následky.
Hardt poukazuje na mozkové mapování lidí, kteří používají GPS po velmi dlouhou dobu jako nezvratný důkaz - vykazují zřetelná poškození schopností prostorové paměti, která vyžaduje hippocampus.
Není tedy úplně překvapivé, že průměrný Američan stráví 2,5 dne v roce hledáním věcí a stojí ho to 2,7 miliardy dolarů v nákladech na výměnu. Z této kohorty je u mileniálů kritizováno dvakrát větší pravděpodobnost, že své věci ztratí místo boomů.
Mnoho dalších naměřených indikací již signalizovalo něco hrozného v práci; například průměrný člověk zvedne telefon více než 1500krát týdně. Ve skutečnosti pouhá přítomnost chytrého telefonu snižuje kognitivní schopnosti.
Hardt zatím data nemá, ale věří, že "náklady na to by mohly být enormní nárůst demence."
Restart paměti
Řešení University of Waterloo pro hledání ztracených věcí zahrnuje vybavení robota Fetch algoritmem AI a kamerou.
Co to všechno znamená pro naši společnost? Musíme se připravit na budoucnost, ve které nebudeme schopni dělat ty nejzákladnější věci - ať už máme demenci nebo ne. Jinými slovy, budeme muset najít způsob, jak přežít a existovat v éře potenciálně chronického poškození paměti.
V tomto kontextu jsou dvě pozoruhodně důmyslná a relativně levná řešení, která byla navržena pro navigaci ve světě lidí se sníženou pamětí.
Výzkumný tým z University of Waterloo v Ontariu v Kanadě navrhl doprovodného robota s vlastní epizodickou pamětí, který, ačkoli byl původně vyroben s ohledem na pacienty s demencí, je chválen pro svou schopnost pomáhat každému, kdo obvykle zapomíná.
Pokud se naše současné problémy s pamětí ještě zhorší, mohli by se takoví doprovodní roboti stát v domácnostech stejně prominentním příslušenstvím jako kávovary nebo vysavače Roomba.
Výzkumný tým Waterloo začal s mobilním manipulačním robotem Fetch, který disponuje vestavěnou kamerou a konvoluční neuronovou sítí. Pomocí hlubokého učení a algoritmu detekce objektů vědci naučili robota identifikovat, sledovat a uchovávat paměťový protokol objektů v místnosti. To se ukládalo na video s možností zaznamenat čas a datum, kdy předměty vstoupily nebo opustily zorné pole robota.
Výzkumníci také vyvinuli grafické rozhraní, které uživatelům umožňuje vybrat si objekty, které chtějí sledovat.
Jinými slovy, pokud byste zapomněli, kde jste naposledy nechali telefon ve svém obývacím pokoji, jednoduše byste do tohoto rozhraní napsali název chybějícího objektu a poloha objektu by vám byla odhalena.
Vedoucí výzkumu Ali Ayub, postdoktorand v oboru elektrotechniky a počítačového inženýrství na univerzitě, říká, že přesnost sledování je v současné době kolem 90 procent, ale zlepšuje se.
"Dlouhodobý dopad je opravdu vzrušující," řekl Dr. Ayub. "Uživatel může být zapojen nejen do doprovodného robota, ale také do personalizovaného doprovodného robota, který mu může poskytnout větší nezávislost."
Štítky se vzpomínkami
Řešení MIT pro ztracené věci využívá robotické rameno vybavené bezdrátovou anténou RFID, která dokáže detekovat objekty s nalepenými štítky RFID.
Výzkumníci z MIT se potýkali se stejným problémem zhoršené paměti, ale použili jiný přístup. Použili robotické rameno RFusion s vestavěnou kamerou a anténou, které spolupracují k nalezení a vyproštění předmětů, které by mohly být zcela skryty před zraky hromadou věcí.
Věc, která dělá toto řešení stejně atraktivní, je jeho jednoduchost - položky mají nalepené štítky RFID - které jsou bez baterií a jsou levné. (Radio Frequency Identification - neboli RFID - je v podstatě bezdrátový systém tvořený jak štítky, které mohou vysílat signály, tak čtečkami, které mají antény, které je mohou přijímat a interpretovat.)
Bez ohledu na to, kde se předměty nacházejí a kolik věcí je na nich navršeno, systém RFusion MIT je dokáže vytáhnout (pokud jsou v zóně, ve které pracuje robotické rameno).
Pomocí strojového učení se robotické rameno - které je integrováno s kamerou a anténou - zdokonaluje na místě.
Jakmile je schopna zaměřit se na správný prostor, neuronová síť se spustí propojením informací z RF tagů a také vizuálních podnětů řízených umělou inteligencí z kamery, aby vyčistila oblast od jiných objektů, které mohou ležet na tom, na kterém se nachází. hledám.
Klíčovým procesem je proces, který se nazývá posilovací učení - kde se algoritmus učí dostat robotickou ruku na místo určení v co nejmenším počtu pohybů pomocí výpočetního systému odměn.
Po úpravě úhlu a šířky chapadla a posledním ověření přesnosti RF tagu robotické rameno zvedne předmět a položí jej na stranu.
Z tohoto elegantního řešení by mohl těžit nejen vesmír s narušenou pamětí.
Díky algoritmům umělé inteligence a RFID tagům se objevuje zcela nové nákladově efektivní řešení, které by mohlo procházet hromadami objednávek ve skladech a plnit je, nebo pracovat v jakémkoli průmyslovém nastavení, které vyžaduje orientaci ve složitosti dodavatelského řetězce.
"Tato myšlenka, že dokážeme najít předměty v chaotickém světě, je otevřený problém, na kterém pracujeme několik let," řekl Fadel Adib, docent na katedře elektrotechniky a informatiky na MIT.
„Mít roboty, kteří jsou schopni hledat věci pod hromadou, je dnes v průmyslu stále větší potřeba,“ dodal.