Animációs filmek, videók alkotói egyetértenek, hogy bolygókat pusztulásba döntő robbanást, világvégét, kataklizmaszerű eseményeket könnyebb elkészíteni, mint személyeket hitelesen mozgatni, a végtagok és a test harmonikus tevékenységét kivitelezni.
Ez a gondolat ösztönözte a Georgia Technológiai Intézet és a Google Brain mérnökeit egy öltözködni tanuló szórakoztató pici mesterségesintelligencia-ágens fejlesztésére. A torzóként megtestesített és szimulált környezetbe helyezett MI valósághű ruhákkal gyakorol, és fizikai megnyilvánulásai is viszonylag életszerűek.
Úgy néz ki, mint egy támolygó rajzfilm-figura, az arca viszont semmiféle érzelmet nem árul el. A megmosolyogtató videón először különösebb nehézség nélkül húz magára pólót, majd valami ingfélét, aztán többféle megoldással is kísérletezik.
A szimulációból megtudjuk, hogy az MI magától tanul meg interakcióba lépni a fizikai világgal, vagy legalábbis a valóság realisztikus szimulációjával.
Eredményeit az úgynevezett mély megerősítéses tanulásnak (deep reinforcement learning) köszönheti. A gépi tanulás egyik legismertebb típusának az a lényege, hogy a mesterséges intelligencia feladata sikeres elvégzése után jutalmat, sikertelenség esetén büntetést kap.
A Georgia Tech és a Google Brain MI-jét arra programozták, hogy minél gyorsabban öltözködjön fel. A számítógépes grafikai és interaktív technikákat bemutató legnagyobb nemzetközi éves seregszemlére, a SIGGRAPH 2018-ra írt tanulmányban elmagyarázzák, hogy az ágens megtanult szégyenkezni, ha valami nem ment neki, aztán viszont egyre nagyobb kényszerűséget érzett, hogy sikerüljön felöltöznie.
Gépi tanulással külső beavatkozás nélkül „automatikusan felfedez hatékony öltözködési technikákat”, elsajátítja használatukat, eredményesen gyakorol velük. Az MI haptikus, tapintásalapú megoldást alkalmaz: a ruha megérintése alapján, ha kell, dinamikusan újrakoordinálja, és a textília hullámzásához, ráncaihoz stb. igazítja mozdulatait.
