In deze serie artikelen bespreken we hoe Artificial Intelligence (AI) en sensoren op verschillende gebieden samenkomen. Het meest aansprekende voorbeeld is wellicht de robotica. In dit artikel bespreken we eerst hoe AI en sensoren samenkomen in de robotica, ook geven we voorbeelden van deze robots en gaan we dieper in op de toekomst van het toepassingsgebied. Er zijn echter nog veel meer toepassingen denkbaar waarin AI en sensoren samenkomen, denk maar aan het Internet of Things (IoT) en de gezondheidszorg. In de volgende artikelen bespreken we deze en andere gebieden.
Robotica is vooral gericht op systeemintegratie. Een goed ontworpen robot zal zijn waarnemingen (die verkregen zijn met behulp van sensoren) op een goede manier kunnen vertalen naar handelingen die zijn actuatoren zullen uitvoeren. Voor robots betekent AI dus meer dan alleen maar het hebben van een ‘brein’. Natuurlijk kunnen computers leren hoe gezichten te herkennen of mensen te verslaan in strategiegames. Maar het lichaam telt ook. Bij de mens halen ogen, oren en huid signalen uit de omgeving, zoals de gloed van een kampvuur of het getik van vallende regendruppels. Mensen gebruiken deze signalen om actie te ondernemen: een vonk te ontwijken of een paraplu open te klappen. Een deel van intelligentie is het rondlopen, oprapen en openen van dingen.
Voor het volledig kunnen functioneren van machines, zonder dat de mens het voor het zeggen heeft, is het verkrijgen van fysieke componenten essentieel. Robots zullen al hun zintuigen nodig hebben om deel te nemen aan een toekomst waar mensen en robots naadloos samenwerken. Net als mensen, zullen intelligente, autonome machines hun grenzen en de mogelijkheden van hun lichaam moeten leren kennen. Ze zullen moeten leren hoe zelf door de wereld te bewegen. De huidige robots hebben nog een lange weg te gaan, maar het verstreken van zintuigen kan dat veranderen. Als robots met ons moeten interacteren en de wereld moeten verkennen, hebben ze sensing nodig. Er worden sensoren voor de voeten, vingers en huid van robots gemaakt, en er wordt hen geleerd hoe ze hun lichaam gebruiken. Het doel is om robots te maken die beslissingen maken op basis van wat ze aftasten om hen heen – robots, die de kracht hebben die nodig is om een deur open te duwen of die erachter kunnen komen hoe ze zorgvuldig op een gladde stoep stappen. Uiteindelijk kunnen dergelijke robots werken als mensen, misschien zelfs in de ouderenzorg. Wetenschappers moeten echter sensoren bouwen die duurzaam zijn en allerlei slijtage overleven. Het is een van de redenen waarom fysieke intelligentie zo langzaam vordert. Je kunt een supercomputer niet zomaar duizenden trainingsvoorbeelden voeren, in de manier waarop AlphaGo geleerd heeft hoe Go te spelen. Daarnaast zijn onderzoekers bezig hoe een robot de stortvloed aan sensorische informatie aan zou moeten kunnen. Tekst gaat verder onder de afbeelding.
1) Er is een robot die in staat is om een plastic zakje te sluiten. De twee vingers knijpen de zegel met constante druk dicht door te bewegen langs de rits van plastic. Aangezien de zak van vorm verandert terwijl de robot ermee bezig is en de zak transparant is, is dit een lastig taak. De robot heeft zichzelf geleerd hoe de zak te sluiten. Zo verzamelde de robot data met de sensoren in zijn vingers en leerde deze middels bekrachtingsleren. Leren door te doen, kan de manier zijn om robots allerlei ingewikkelde taken (of eenvoudige taken in ingewikkelde situaties) te laten tackelen. 2) STAR, Smart Tissue Autonome Robot, heeft chirurgische kennis voorgeprogrammeerd en forse camera’s die hem de omgeving laten zien en laten reageren op de omgeving. Onlangs heeft STAR het zachte weefsel van een levend dier gehecht. De bot presteert zelfs beter dan de menselijke chirurgen op een aantal maten. 3) In 2001 werd een stofzuigrobot de eerste commerciële huisrobot. Het had een eenvoudig controlesysteem om obstakels te vermijden, en sommige hadden navigatie. Omdat de rekenkracht en RAM-capaciteit van low cost embedded processoren verbeterd, zijn de AI-mogelijkheden van deze robots ook sterk verbeterd, zo kunnen ze tegenwoordig omgaan met volle stofzakken, elektrische snoeren en kleedkwasten, en kunnen ze een volledig 3D-wereldmodel van een huis bouwen.
Hoe zou dit snijpunt van AI en robotica er verder uitzien? Robots die van elkaar leren: soms aangeduid als cloud robotica; netwerken van robots leren elkaar over wat ze leren als ze interageren met de wereld. Robots die hun verbeelding gebruiken: de AI sub-discipline diep leren wordt gebruikt door robots om te leren hoe nieuwe dingen te doen zonder te worden onderwezen. Net als de menselijke verbeelding combineert dit paradigma bekende (geleerde) data met willekeurige inbreng in experimenten waarvan het systeem leert. Cloud gaat het delen van datasets verzameld in veel verschillende huizen mogelijk maken, hetgeen voer is voor cloud-gebaseerd machinaal leren, en dit zal vervolgens verbeteringen aan reeds ingezette robots mogelijk te maken. De grote vooruitgang in het verstaan van spraak en image-labelen, mogelijk gemaakt door diep leren, zullen interacties van robots met mensen in hun huizen verbeteren. De lage kosten van 3D-sensoren, voortgestuwd door gameplatforms, hebben het werk met 3D-belevingsalgoritmes gevoed, welke de ontwikkeling en goedkeuring van thuisservicerobots zal versnellen.
Dit artikel is onderdeel van een serie.
Lees meer:
Deel 1 – AI en sensoren: een introductie
Deel 3 – IoT en AI: het Internet of Things verrijkt met Artificial Intelligence
Deel 4 – AI en zorg – datamanagement, behandelplannen en meer
Deel 5 – Landbouw en veeteelt – AI in de agrarische sector
Deel 6 – Sensoren en AI in gebouwbeheer – slimme gebouwen
Deel 7 – AI in de transportsector – zelfrijdende auto’s en meer
Deel 8 – Populaire toepassingen van AI – entertainment en informatie
Infographic – De kracht van AI met sensoren
Bronnen – Bronnen 3Bplus artikelen AI
