主页 > E壹生活 >好奇机器人能自学(2-3) > 正文

好奇机器人能自学(2-3)

好奇機器人能自學(2/3)

科学家藉由模仿孩童探索世界,让机器人自发学会基本技能,而这些研究也协助科学家更加了解大脑运作。

(续前文)

运用肢体帮助学习

我们人类和现今许多AI系统的基本差异在于,我们拥有能行走与活动的身体。婴幼儿观察周遭事物,并尝试用手或脚接触事物来认识世界。他们自行学会如何走路、说话,以及辨认物体或人。儿童如何能在几乎没有任何导引下做到这些事,对发展心理学家和机器人学家来说都是两个领域研究的关键。双方的合作迸发令人惊喜的深刻见解。

从1990年代后期开始的一连串开创性实验中,当时任职于日本索尼(Sony)电脑科学实验室的机器人学家谷淳(Jun Tani)和同事研发出学习基本动作的预测型(prediction-based)神经网路,并把这些演算法应用在机器人测试成效。他们发现,这些机器人可以学会基本技能,例如探索简单环境、模仿手部动作、听从「瞄準」或「打击」这类基本口令。

最近,英国普利茅斯大学的机器人学家坎杰洛西(Angelo Cangelosi)和美国印第安纳大学布隆明顿校区的发展心理学家史密斯(Linda B. Smith)证实身体对获取知识的重要性。史密斯说:「(机器人)的身形以及它能完成事项的种类,会影响它获取经验,进而从经验中学习。」这群科学家主要的测试对象之一是iCub。iCub是身高约90公分的类人形机器人,由义大利技术研究院的一组团队所打造。它没有预置程式,科学家能在它身上测试实验所需的演算法。

2015年一项研究中,坎杰洛西和史密斯等人对iCub设置一套人工神经网路,赋予它学习简单联想的功能,他们发现,当物品名称一直和特定身体动作连结,iCub比较容易记下新字。研究人员不断把球或杯子拿到iCub的左边或右边,它就会把物品和观察物品的动作(例如抬头)联想在一起。接着他们把这个动作和物品名称配对,一旦这个物品出现在某个特定位置,而不是在多个位置,机器人更容易记得这些基本字彙。

有趣的是,研究人员对16个月大的婴儿进行相同实验,获得了类似结果:当物品和特定动作产生连结,便能帮助婴儿联想进而学习字彙。坎杰洛西的实验室正在研发这项技术,教导机器人更抽象的字彙,例如没有与特定物品连结的「这」或「那」。

孩童或机器人透过肢体,也能帮助他们习得基本数学技能,例如有研究显示,不擅长运用手指的孩童,算数能力通常也较弱。2014年一项研究中,坎杰洛西的团队发现,比起只用数字名称教导机器人,教导它们以手指算数,人工神经网路更能精确算出数字。

启动「好奇心」

新奇事物也可帮助孩童学习。2015年刊登于《科学》期刊的一篇论文中,美国约翰霍普金斯大学的研究人员指出,当婴幼儿碰到不符合预期的事(例如坚硬物体看似穿墙而过),会想去探究原因。简单说,减少预测误差的内在动力会帮助他们成长。

法国资讯暨自动化研究院(INRIA)的机器人学家乌德耶(Pierre-Yves Oudeyer)相信,学习过程其实更为複杂。他认为孩童会以惊人的熟练手法主动在环境中寻找更能提供学习机会的物品,例如孩童可能会选择玩具车,而不是100片拼图;或许他的知识水準让他较容易对玩具车产生可验证的假设。

为了测试这项理论,乌德耶等人对机器人装设的系统,包含了一项称为内在动机(intrinsic motivation)的功能–减少预测误差会获得奖励。(对AI来说,奖励相当于依程式设定透过运算获得最大化的数值。)爱宝(AIBO)是索尼推出的小型机器狗,具备基本的感觉与动作功能,上述机制能让爱宝自动寻找最具学习潜力的任务。爱宝能学会基本技能,例如抓住物体、与另一只机器狗以声音互动;它不需预置程式就能达成这些特定任务。乌德耶解释,这个结果是「机器人探索世界的副作用,它的目的是改善预测。」

值得注意的是,即使有众多机器人经历类似训练阶段,学习成效仍不尽相同。有些机器人探索较少,有些则较多,最后它们会知道不一样的事。对乌德耶来说,这些不同的成效显示,即使机器人搭载相同的人工神经网路并处于类似的学习环境,仍可能获得不同的技能水準–这很像一般教室里学生的情形。

最近,乌德耶的团队透过数值模拟,展示了配备这些预测演算法(与独特硬体)的机器声道也能学会语言的基本要素。他现在和美国哥伦比亚大学的认知神经科学家高特里布(Jacqueline Gottlieb)合作,研究这类由预测驱动的内在动机是否也是人类好奇心的神经生物学基础。乌德耶表示,进一步探究这些模型可以帮助心理学家了解发育障碍孩童的大脑情况。(待续)


相关阅读