Az NJSZT blogja a legfejlettebb infokom technológiákról

Jelenből a Jövőbe

A CPU és a GPU után az IPU-é a jövő?

2018. július 20. - ferenck

Sok szervezet, cég számára tárgyak intelligensebbé tétele a következő évek legnagyobb kihívása. Szenzorokkal kapcsolják össze őket, vagy szenzorokat és szoftvert/mesterségesintelligencia-megoldásokat integrálnak beléjük.

Elvileg „minden” intelligensebb lesz, a jelenlegi komputerchipek azonban lassítják a folyamatot. A felhőszámításokkal és a nagy adatsorokkal egyes ideghálók ugyan jól működnek, fejlesztési stádiumban lévő nagyobb MI-rendszerek viszont „szenvednek” a különösen komplex és gyors számításoktól, mert a szekvenciálisan működő központi feldolgozóegységeik, a CPU-k sebessége nem elegendő a kívánt tempóhoz, a hatalmas munkaterheléshez.

ipu.jpg

A munkaterhelés csökkentésére számítási felhőben dolgozó CPU-kkal és grafikus feldolgozóegységekkel, GPU-kkal egyaránt próbálkoznak, de ez sem elég.

A Google, az Amazon és mások, köztük számos startup gőzerővel dolgozik a hardverprobléma megoldásán. Egyikük, a 2016-ban alapított bristoli Graphcore új chipjével igyekszik felgyorsítani MI-rendszerek folyamat- és erőforrás-intenzív működtetését.

ipu0.jpg

A két alapító, Nigel Toon és Simon Knowles kód helyett inkább a komputerre gondolva döntött teljesen újfajta processzor mellett, amellyel a számítógép munkaterhelése is jelentősen megváltozik.

A CPU-k adatblokkok gyűjtésével, algoritmusok vagy logikai műveletek adatokon való szekvenciális futtatásával működnek. Többmagos chipek párhuzamos processzorokkal, a tipikusan párhuzamos processzorokkal dolgozó GPU-k egyidőben oldanak meg egynél több feladatot.

MI-rendszereknél a számítógépeknek különböző forrásokból származó hatalmas adatmennyiséget kell párhuzamosan és gyorsan feldolgozniuk. „Ha-akkor” (if-then) utasítások helyett csomópontokra és hálózatra összpontosító gráfszámítást használnak hozzá.

A saját szoftvert (Poplar) is jegyző Graphcore chipje, egy intelligencia feldolgozóegység (IPU) szintén gráfszámításokat – masszívan párhuzamosan – végez. Ezernél több processzor kommunikál egymással és osztja meg egymás között a gépi tanuláshoz szükséges bonyolult munkaterhelést.

„A hardverarchitektúra elég egyszerű, a különbséget a chipen lévő processzorok egymással és a külső memóriával folytatott kommunikációja jelenti. Nem elég hardvert fejleszteni, aztán kitalálni, hogyan írjunk rá szoftvert” – magyarázza Toon.

A Poplar hatékonyabban mozgatja az adatokat, kevesebb feldolgozási kapacitás kell hozzá, és az összes processzor használatával gyorsabb is. A teljesítményadatok magukért beszélnek: az új chip tízszer gyorsabban kezel fejlett MI-algoritmusokat, mint a legmasszívabb GPU-k. Többek között gépitanulás-folyamatokat térképezett fel.

A közeljövőben finomhangolják a szoftvert, és a tervek szerint az IPU még gyorsabb, a GPU-knál százszor hatékonyabb lesz.

A chip iránt máris óriási az érdeklődés, például a korábbi Google- és Apple-befektető Sequoia Capital 50 millió dollárral támogatja a projektet.

Szuperszámítógép szimulálja egy egér agyát

A 13 éve indult és elsősorban a svájci kormány által finanszírozott Kék Agy (Blue Brain) projekt kutatásfejlesztéseinek nagy részét a Lausanne-i Svájci Szövetségi Technológiai Intézetben (EPFL) végzik.

Az emlősagy digitális rekonstruálása és szimulálása a cél. Az egérrel kezdik, a Homo sapiensszel akarják befejezni.

bluebrain0.jpg

A Hewlett Packard Enterprise (HPE) nemrég építette fel a projekt luganói, Svájci Szuperszámítógép Központban (CSCS) áprilisban munkába állított ötödik generációs szuperszámítógépét, az e gépeket rangsoroló Top500 listákon általában hátul kullogó IBM Blue Gene/Q-ját váltó Blue Brain 5-öt. Ezzel a komputerrel „csak” a soron következő célt, a teljes egéragy modellezését tervezik – 2020-ig – kivitelezni.

Mai szuperszámítógépekkel összehasonlítva, a 372 csomópontból álló Blue Brain 5 nem túl nagy, csúcsteljesítménye alig több 1 petaflopnál, és a memóriakapacitása is „csak” 94 terabájt. Intel (Xeon Gold 6140, Xeon Phi 7230) CPU-kat és Nvidia (Tesla V100) grafikus feldolgozó egységeket (GPU) használ.

bluebrain.jpg

A kutatók azért nem foglalkoznak a másodpercenkénti lebegőpontok alacsony számával, mert agyszimulációkban például a memória sávszélessége vagy a komputer és a felhasználó, vagy más eszközök egymás közötti kommunikációjáért felelős I/O interfész teljesítménye sokkal fontosabb.

„Az emberi agy szimulálása big data kihívás” – nyilatkozta a projektet vezető Henry Markram.

A hardver ennek ellenére korlátozza a projekt sikerét. Egyetlen idegsejt modellezéséhez ugyanis kb. 20 ezer, teljes agyterületekhez viszont mintegy 100 milliárd közönséges differenciálegyenlet kell.

A szimuláció több biológiai szintet fed le. A gének és a fehérjék molekuláris világával kezdődik, majd az idegsejtek, szinapszisok stb. bonyolultabb szerkezetei következnek. A kutatók az agy mikroáramkörét akarják felépíteni, és például érzékszervi inputokat (érintést, ízt stb.) is modelleznek hozzá.

A mikroáramkörben utánoznák az érzékelést/észlelést és a különféle kognitív állapotokat. Ezeket a modelleket orvosi kutatásokban, többek között az Alzheimer-kór és traumatikus agykárosodások kezelésékor is alkalmazhatnák.

A modellek alapjaihoz kísérleti adatokat használnak, amelyek azonban a szinaptikus kapcsolatoknak még az 1 százalékát sem fedik le. Ennyi adatból óriási kihívás hitelesen megjeleníteni az agyszerkezet sejtanatómiáját és a neuronok összekapcsoltságát.

Az új szuperszámítógép négy alrendszerből áll: az egyik külső tárolókból, egy másik a memóriából kivonatol adatokat, a harmadik a vizualizációval foglalkozik, az általános rendeltetésű negyedik a többi három tevékenységét koordinálja.

Gyógyszer-kombinációk mellékhatásait jelzi előre egy MI

Az amerikai Járványellenőrzési és Megelőzési Központ (CDC) felmérése alapján az ország lakosságának 23 százaléka három vagy több gyógyszert, a 65 év felettiek 39 százaléka pedig ötöt vagy annál is többet szed. Az utóbbi évtizedekben megsokszorozódott a fogyasztás.

A megvásárolható 5 ezer gyógyszernek kb. ezer mellékhatása ismert, tehát bármilyen lehetséges kombinációnál már közel 125 milliárd az esetleges mellékhatások száma.

gyogyszerkombinaciok0.jpg

A gyógyszer-kombinációk többségét soha nem írták fel együtt – állapították meg a Stanford Egyetem kutatói.

Az egyetem Decagon mélytanulás-rendszere pontosabb döntéshozásban segíthet az orvosoknak. Javaslatokat tesz, hogy milyen gyógyszereket írjanak fel, illetve milyen kombinációk ajánlottak bonyolult betegségek kezelésére. (A dekagon eredeti mértani jelentésében tízoldalas poligonalakzat, tízszög.)

gyogyszerkombinaciok.jpg

Mivel a piacon rengeteg gyógyszer található, az összes kombinációt lehetetlen tesztelni.

Gyógyszerenként 5 ezer új kísérletet kellene elvégezni!

„Fogalmunk sincs, mi történik új gyógyszer-kombinációknál” – vallotta be a Decagon egyik fejlesztője, Marinka Zitnik.

A kutató és társai kidolgoztak egy, az emberi test több mint 19 ezer fehérjéjének egymás közötti interakcióit és a gyógyszerek fehérjékre gyakorolt hatását leíró hálózatot. A munkához gyógyszerek és mellékhatások kb. 4 millió ismert kapcsolatát alapul véve fejlesztettek a mellékhatások megjelenésére utaló mintázatokat azonosító módszert. A módszert arra alapozták, hogy a gyógyszerek hogyan hatnak különféle fehérjékre, és a rendszer ezeknek az ismereteknek a birtokában következtet mintázatokra.

Jelenleg előre tudja jelezni két gyógyszer párhuzamos szedésének a következményeit. A csoport tesztelte a jóslatokat, és a legtöbb esetben beváltak – olyankor is, amikor két gyógyszer adataiból nem lehetett következtetni együttes szedésük egyes mellékhatásaira.

A kutatók bővíteni akarják a vizsgált gyógyszerek és kombinációik számát. Bizakodnak, hogy sikerül az orvosokat tanácsokkal ellátó, felhasználóbarát eszközt fejleszteniük. Ez az eszköz páciensenként véleményezne gyógyszereket, segítene összetett betegségekkel szemben is hatékony, természetesen kevesebb mellékhatással járó kombinációk kidolgozásában.

Közelebb kerültünk az egyatomos adattároláshoz

A tartós állapotú meghajtók, az SSD félvezetős memóriát használó adattároló eszközök egyre jobban terjednek, viszont a mágneses tárolók, például a hagyományos merevlemez stb. még mindig népszerűek. Az adattárolási szükségletek drasztikus, napi 15 millió gigabájtnyi növekedése miatt tudósok alternatív megoldásokkal is kísérleteznek.

Ezek egyike az egyetlen atomos mágnesek. A tárolófelületre „tapasztott” egyedi atomokból állnak, minden egyes atom egyetlen bitet tárol, amely a kvantummechanikát használva írható és olvasható. Mivel az atomok elég kicsik ahhoz, hogy sűrűn össze lehessen rakni őket, az egyatomos tárolókban óriási lehetőségek rejlenek.

datastorage.jpg

Jelenleg az alapkutatásoknál járunk, kereskedelmi forgalomba kerülő eszközökben történő hasznosításuk előtt nagyon fontos akadályokat kell elhárítani. A terület egyik élharcosa, a Lausanne-i Svájci Szövetségi Technológiai Intézet (EPFL) sikeresen megoldotta az egyiket, a remanens mágnesességet, amelynek lényege, hogy mágneses anyagok egy része a külső mágneses tér megszűnése után is képes legyen mágnesként funkcionálni. A kutatók bemutatták, hogy egyetlen atomos mágnesek használhatók adatok olvasására és írására. Az Intézet fizikusai holmiumatomot használtak; évek óta dolgoznak az anyaggal.

A kutatók egyatomos mágneseket rendszerint mágnestelenítő – és a jövő tárolói számára kockázati tényező – extrém körülményeknek (extrém mágnesességnek, extrém hőmérsékletnek) tették ki az atomot. Speciális mikroszkóppal vizsgálták a tárolófelületet, és megállapították, hogy a holmiumatomok a 8 Teslát meghaladó mágneses mezőben is megőrzik mágnesességüket. (Összehasonlításként: a Nagy Hadronütköztető mágneseinek ereje nagyjából szintén 8 Tesla.)

datastorage0.jpg

Következő lépésben 45 Kelvinig terjedő hőmérsékleten tesztelték a mágneseket. Az egyedi holmiumatomok 35 Kelvinig szilárdak maradtak, 45 körül viszont spontán alkalmazkodni kezdtek a mágneses mezőhöz, tehát extrém hőmérsékletben is működnek.

„A mágneses bitek méretcsökkenésével foglalkozó kutatások a mágneses bistabilitásra összpontosítottak. Mi viszont bebizonyítottuk, hogy a legkisebb bitek nagyon stabilak lehetnek. Most ki kell találnunk, hogyan írhatók hatékonyabban információk ezekre a bitekre, hogy megoldjuk a mágneses adatrögzítés hármas problémáját: a stabilitást, az írhatóságot és a jel-zaj arányt” – összegez Fabian Natterer, a kutatást ismertető tanulmány elsőszámú szerzője.

Robotfestők

A Robotművészeti (RobotArt) Galéria a világ legkreatívabb androidjainak, algoritmusainak (és persze a mögöttük álló tervezőknek) az alkotásait tartalmazza. Immáron harmadik éve tartottak nemzetközi versenyt, és július 11-én kihirdették a győzteseket, az első tíz helyezettet. A három év legjobbjait az augusztus 2. és 5. közötti Seattle-i Művészeti Vásáron állítják ki.

De mit értünk pontosan robot által készített műalkotáson?

robotart.jpg

Maguk a fejlesztők is sokféleképpen értelmezik a robotművészetet. Az első helyezett CloudPainter gépitanulás-rendszerrel generált élénk, esetenként szokatlan portrékat és tájképeket. A thai Kasetsart Egyetem bronzérmes gépe viszont művészeket utánoz. Az ecset pozíciójának, mozgásának és a vele kifejtett nyomásnak a rögzítését követően, képes újraalkotni műveket, szinte tökéletes utánzatokat készít.

Egyes csapatok mesterséges intelligenciával alkottak, mások viszont kifejezetten robotfestőket fejlesztettek, amelyek vagy új festészeti technikákkal kísérleteztek, vagy teljesen emberi képeket – másolatokat – hoztak létre.

robotart1.jpg

„Rövidtávon inkább a digitális alkotás végső fázisában, főként a nagyon részletes vagy ismétlődő elemek kidolgozására fogjuk használni őket” – nyilatkozta a RobotArt alapítója, a művész-mérnök Andrew Conru.

A robotok és az algoritmikus művészek távol vannak attól, hogy helyettesítsék az alkotó embert. Conru a gépi műalkotások elterjedése és a fényképezőgép megjelenése között von párhuzamot – a fotográfia új művészetté vált, a festészettől alapjaiban eltérő képekkel. De a fényképezés hiába lett népszerűbb, és demokratizálta az alkotási folyamatot, a festészet ugyanolyan fontos, mint régebben volt. A robotikus és az ember teremtette művek is így fognak egymás mellett létezni, mert egyikhez is, másikhoz is különböző megközelítés és készségek kellenek.

robotart0.jpg

„Mindannyian nyerünk vele” – magyarázza Conru.

Az MI- és a robottechnológiáknak azonban rengeteget kell fejlődniük, mert hiába végeznek kiváló munkát speciális feladatoknál, nem tudatos entitások. Képeket alkotnak, de nem tekintik meg, nem dicsőítik, nem pocskondiázzák azokat.

A közeljövő robotművészete egyelőre inkább érdeklődő alkotók, mérnökök technológiai fejlesztéseiről fog szólni. Ezekkel az eszközökkel új stílusok dolgozhatók ki, viszont sajnos nem jutnak el mindenkihez.

Egy minőségi robotfestő-kar ma még nagyon drága, de Conru szerint hamarosan ezer és 10 ezer dollár közé eshetnek az árak. Kérdés, mikor, mert a mostani játékrobotok ugyan 300, a kezdőszintű gépkarok azonban legalább 30 ezer dollárba kerülnek.

Mesterségesen intelligens robot repül a Nemzetközi Űrállomásra

CIMON, a Személyzeti Interaktív Mobil Kísérőtárs (Crew Interactive Mobile Companion), az Airbus-fejlesztésű és az IBM legendás Watson szuperszámítógépe által működtetett robot múlt héten repült fel Elon Musk 2002-ben alapított cége, a SpaceX Falcon 9-ének fedélzetén a Nemzetközi Űrállomásra (ISS).

Programozása korlátozott, beszélgetni tud és technikai támogatást ad, de jelenleg csak ennyire képes. A 2001 – Űrodüsszeia legendás mesterséges intelligenciája, HAL vörös szeme helyett képernyőjén mosolyra hajló, túlméretezett derűs arcot látunk.

iss_robot.jpg

Munkájukban – tudományos kísérletekben – kell segítenie az ISS-en tartózkodó űrhajósokat. Az állomáson ő az első mesterséges intelligencia, az Amazon Alexájához hasonlóan fog működni, kézikönyvben leírt lépéseket javasol az asztronautáknak, képeket mutat nekik, kérdésekre igyekszik használható válaszokat adni. A videokamerákkal felszerelt robot a földi központtól is kap utasításokat.

„Hivatalos” funkciói mellett a személyzet mindennapjait is igyekszik szórakoztatóbbá tenni, viszont – és ezt a fejlesztők is hangsúlyozzák – senkit nem hivatott pótolni, nem hoz döntéseket helyettük.

„Soha nem terveztük, hogy MI helyettesítse a csoport valamelyik tagját. Segítenünk kell őket, mert humán személyzetre mindig szükség lesz. Ez az MI nem képezi magát” – magyarázza Philipp Schulien, az Airbus vezető rendszermérnöke.

iss_robot0.jpg

A SpaceX tervei szerint következő gépükön, a Block 5-ön (akár már idén) asztronauták is utazhatnak. Eddig csak rakományokat szállítottak az állomásra, embert viszont nem. A mostani kilövés a cég tizenötödik űrmissziója; az utat CIMON jelenléte teszi egyedivé, mert Muskék robotot és MI-t sem küldtek még az űrbe.

Fejlesztői szerint a robot nagyon kezdeti stádiumban van, mostani küldetését inkább tesztnek tekintik. Kíváncsiak, hogy az asztronauták hogyan reagálnak rá.

Kifejezetten Alexander Gerst német űrhajósra tervezték, gyakorlás közben vele folytatott interakciókat, fel kellett ismernie a fejét és mintázatokat a beszédében. Ez a tény azonban nem hátráltatja a másokkal folytatandó interakciókban, mert bármelyik asztronautával képes kommunikálni.

Gerst részt vett CIMON hangjának és fejének a megtervezésében. Elég kiejtenie a nevét, és a robot tudja: róla van szó. Detektálja a hang helyét, és megindul felé.

A német űrhajós különleges tesztnek veti alá az állomáson. Először egyedül, majd az MI-vel közösen rak ki egy Rubik-kockát.

Az Airbus szerint CIMON más utaknál, például Hold- és Mars-misszióknál is hasznos lehet. Problémák megoldásában segíthet, hibákra figyelmeztethet, vagy egyszerűen csak szórakoztatja a személyzetet.

Algoritmus tanítja vezetni az autót

Az önvezető autókhoz mesterségesintelligencia-szoftvereket fejlesztő cambridge-i (Egyesült Királyság) Wayve szerint nem elegendők az ezekhez a járművekhez manapság alkalmazott technológiák, azaz a bonyolultságában is egyre kifinomultabb hardver, a részletes 3D térképek.

A cég bemutatott egy videót, amelyben a kétüléses elektromos Renault Twizy módosított változata tanulja, hogyan navigáljon autonóm módban az utakon. Megerősítéses tanulást alkalmaznak, tehát, ha jól, a célnak megfelelően viselkedik, jutalmat, ha rosszul cselekszik, akkor viszont büntetést kap.

ai_car.jpg

„Az intelligens algoritmusok, és nem a még több szenzor, szabály, térkép az önvezető járművek kirakós játékának a hiányzó elemei” – magyarázza Amar Shah, a Wayve társalapítója, ügyvezető igazgatója.

A fejlesztési stádiumban lévő önvezető járműrendszerek túlnyomó többsége ugyanis aprólékos 3D térképeket alkalmaz a navigációhoz. A vállalatok egymással versengenek, hogy melyikük készít jobb térképeket.

ai_car0.jpg

Munkájukhoz komplex szenzorok, szenzorhálózatok, kamerák városi utakról, utcákról, autópályákról stb. gyűjtött adatait használják. A járműveknek szintén nagyon fejlett kamerákra és érzékelőkre van szükségük, hogy a térképeket rendeltetésszerűen használják.

Sajnos a térképkészítés egyrészt rendkívül munkaigényes, másrészt például az építkezések miatt gyakran kell frissíteni őket. Hiányosságuk, hogy a fejlesztőcégek a forgalmas utakra összpontosítanak, vidéki területekkel viszont lényegesen kevesebbet foglalkoznak.

A Wayve technológiája elavulttá teheti ezeket a 3D térképeket.

A bemutató Twizy-jére (az autó elülső részére) csak egy kamerát szereltek. (Önvezető autókon több van, a Tesláén például nyolc.) A kamera valósidőben juttatja el az információkat a Wayve megerősítéses tanulóalgoritmusát futtató fedélzeti grafikus feldolgozóegységnek (GPU). Ez az algoritmus vezérli a kormányt, a jármű gyorsulását és a fékezést. A tanulási folyamat közben humán vezető ül a volán mögött, és megállítja az autót, ha lemegy az útról, illetve más szabálytalan mozgást végez.

A vezető jutalmaz és büntet. Minél hosszabb ideig nem kell beavatkoznia, az önvezető autó annál nagyobb jutalmat kap.

A Twizy a bemutatón 20 perc alatt kitalálta, hogyan kell vennie a kanyarokat. A semmiből tanulta meg.

Ha a megközelítés beválik, a robotjárművek nem függenek többé 3D térképektől.

Frissíteni kell a NASA szabályait, hogy ne szennyezzük a világűrt

A NASA 50 éve kidolgozott irányelvek, a 105 ország, köztük az USA által ratifikált Űregyezmény szerint szigorúan ügyel, hogy a naprendszer megismerése közben ne szennyezze a világűrt. Az alapelvek azonban elavultak, frissíteni kell őket – véli az űrügynökség szabályzatát elemző egyik amerikai akadémiai szervezet.

A változtatást a NASA komplexebb űrmissziói és a terebélyesedő űripar, a sok magáncég teszi szükségessé.

A planetáris védelem a naprendszer megóvása biológiai fertőzésektől. Korlátozni kell a más égitestekre küldött mikrobák mennyiségét, mert különben a bolygók stb. nem tanulmányozhatók természetes valójukban. Így cselekedve tudni fogjuk, hogy ha földönkívüli életet találunk, az nem a mi tevékenységünk következménye.

nasa.jpg

A túl általános és elavult régi szabályozást váltó újnak arra is ki kell térnie, hogy a NASA és más ügynökségek ne hozzanak a Földre esetleg járványokat elindító alien lárvákat stb.

Az Űrkutatási Bizottság (COSPAR) nemzetközi szervezet e célok érdekében dolgozott ki aprólékos irányelveket űrhajók tisztítására, arra, hogy milyen járművek mehetnek a világűr meghatározott részeire és így tovább. A COSPAR szabályai azonban nem emelkedtek törvényerőre, így egyetlen űrügynökségre sem kötelező érvényűek.

nasa0.jpg

Az amerikai Nemzeti Tudományos Akadémia figyelembe veszi a NASA minden korábbinál komplikáltabb misszióit, például a Jupiter Európa holdjára tartó űreszköz, vagy a 2020-ban munkába álló új marsjáró tevékenységét. Az előbbi víz, az utóbbi kőzetminták után kutat, és mindkettő veszélyes anyagokra bukkanhat…

A Marsra tervezett utak, emberekkel a fedélzeten szintén kockázatosak, mert rengeteg mikrobát vihetünk magunkkal. A NASA-nak el kell döntenie, hogy a fertőzés meddig elfogadható, és milyen szinttől nem. Ráadásul mások, például Elon Musk Space X-e is közismerten tervez ilyen utakat. Minél több a vállalkozó szellem, annál inkább el kell érni, hogy mindenki ugyanazokat a szabályokat kövesse, törvényeket tartsa be.

A NASA-nak mikrobiológusok és genetikusok véleményét is figyelembe kell venni. Ők mondják meg, melyik mikrobák ellenállók és okozhatnak problémát interplanetáris járműveken. A költséghatékonyabb űrhajó-tisztitásra szintén új, hosszútávú stratégiát kell kidolgozni, amelyet az összes új irányelvhez hasonlóan egyformán kell érvényesíteni a NASA-ra és a magánszektorra.

Elvileg a kormány a felelős az adott ország magán űrvállalatainak tevékenységéért, csakhogy az amerikai hatóságok semmiféle hivatalos keretet nem dolgoztak ki ezekre a cégekre.

Hamarosan változás jöhet, egy (megszavazás előtt álló) új törvényjavaslattal az összes űrügynökségnek ugyanazokat a védelmi irányelveket kell majd követnie, és ha valamelyik nem tartja be azokat, visszavonhatják az engedélyét.

Repülés közben vált alakot a robotsárkány

Egyre többen foglalkoznak repülőrobotok fejlesztésével, és a belső terek tűnnek az egyik legígéretesebb alkalmazási területnek. A külvilágtól ajtókkal elzárt terepek egy gép számára kifejezetten nehezen kezelhetők, sőt, veszélyesek, mert nagyon sok elkerülendő akadállyal szembesül: ajtókkal, falakkal, ablakokkal, személyekkel, bútorokkal, növényekkel, lámpaernyőkkel és akár más robotokkal is.

Ügyesen manőverező szuperkicsi gépek építése az egyik fejlesztési irány. Velük viszont arra kell ügyelni, hogy ne legyenek törékenyek és drágák sem, ráadásul méretük miatt csökken az alkalmazási lehetőségek száma.

sarkany.jpg

Megoldás lehet védőburokba tenni őket, ami viszont a környezettel való interakciókat bonyolítja meg. Ideális esetben nincs szükség ilyen szintű biztonságra, fontosabb lenne egyszerre robusztus és hatékony, ugyanakkor kicsi és fürge gépeket kidolgozni.   

A Tokiói Egyetemen pont ilyen alakváltó robotot fejlesztenek. Neve DRAGON, azaz sárkány, ami a kacifántos „több szabadságfokra, légi átalakulásra képes dupla rotoros, beágyazott több lengőkaros robot” (Dual-rotor embedded multilink Robot with the Ability of multi-deGree-of-freedom aerial transformatiON) rövidítése.

sarkany0.jpg

A repülés közben alakváltásra képes robot elemről működtetett, csuklós ízületszerűségekkel összekapcsolt négy modulból áll, és mindegyik modul tartalmaz irányítható ventillátoros meghajtó-párt.

A gépnek akkor kell alakot váltania, ha túl szűk térben navigál.

Agyát és szemét is az Intel mélységi kamerát, mozgókamerákat és a CPU-t (központi meghajtó egységet) egyetlen komputerben integráló Euclid megoldása képezi. Így látja a környező világot, és magától dönti el, milyen formát kell öltenie az adott terepen való navigáláshoz.

A gép egyelőre csak három percet tud a levegőben tölteni, viszont ez alatt ügyesen teszi a dolgát, és masszív is. Fejlesztői 12-re akarják növelni a modulok számát. és markolókat is szerelnének rá, hogy tárgyakat fogjon meg és mozgasson velük.

Egyelőre tesztelik, a fejlettebb változatokat viszont veszélyes belső terekre, például keresési és mentési műveletekhez szánják.

A mesék sárkányaival ellentétben, a robotsárkány életeket menthet meg.

Tanuló robot segít autista gyerekeken

Érzelmi állapotok azonosítása, boldog vagy félelmet sugárzó arcok megkülönböztetése gyakran okoz problémát autista gyerekeknek. Egyes terapeuták gyerekbarát robotokkal segítenének rajtuk. A humanoid arcán megjelenő érzelmekre a kommunikációs partner reagál, és az interakció során megtanulja azokat.

A terápia akkor működik legjobban, ha a robot képes a gyerek viselkedését is értelmezni, és érzékeli, ha érdeklődik vagy izgatott. Az MIT (Massachusetts Institute of Technology) Médialaboratóriumának kutatói e cél érdekében fejlesztettek személyre szabható mélytanuló-hálózatot, amellyel a robot – a SoftBank ötödik generációs NAO-ja, egy 57 centi magas humanoid – könnyebben felbecsüli partnere mindenkori állapotát. A rendszer kizárólag az adott páciens adataival dolgozik, azokon (videókon, hanganyagokon, fiziológiai, diagnosztikai stb. információkon) gyakorol.

autizmus.jpg

Humán szakértők általában 50-55 százalékos pontossággal állapítják meg, hogy autista gyerekek mennyire vesznek részt a kommunikációban, milyen viselkedést mutatnak. Az általuk is segített és eleve emberi megfigyelésen alapuló adatokon gyakorló robot 60 százalékos teljesítményt ért el.

„Hosszútávú célunk nem humán terapeuták helyettesítése, hanem a gépek fontos információkhoz juttatása, amelyekkel a pszichológus személyesebb gyógymódot tud kidolgozni, és a gép-gyerek interakciók is természetesebbé válnak” – magyarázza a kutatást vezető Oggi Rudovic.

autizmus0.jpg

A munkában az érzelmi számításokkal (affective computing) évtizedek óta foglalkozó Rosalind Picard is részt vesz, és az autizmus kezelésében kitüntetett szerepet tulajdonít a személyre szabott gyógymódnak. Szerinte a hagyományos mesterségesintelligencia-megoldások csődje miatt van szükség az általuk más területeken (fájdalom folyamatos megfigyelése, Alzheimer-kór állapotainak előrejelzése stb.) sikeresen alkalmazott személyes mélytanulásra.

A robot szemszín-változtatással, végtagmozgásokkal, hangtónusokkal fejezte ki érzelmeit egy 35 autista gyerekkel folytatott 35 perces gyakorlaton.

Rudovic elmondta, hogy a legtöbb gyerek nem csak játékként, hanem különösen történetmeséléskor valódi személyként tekintett rá.