Ei, robôs podem jogar bola. Robô Justin, um sistema humanóide de dois braços, desenvolvido pela agência aérea e espacial alemã, Deutsches Zentrum fur Luft- und Raumfahrt, pode realizar determinadas tarefas de forma autônoma, como pegar bolas ou servir café. Veja mais fotos de robôs. © Michael Dalder / Reuters / Corbis Ser humano é muito mais fácil do que construir um ser humano.
Pegue algo tão simples como jogar bola com um amigo no jardim da frente. Quando você divide esta atividade nas funções biológicas discretas necessárias para realizá-la, não é nada simples. Você precisa de sensores, transmissores e efetores. Você precisa calcular a força de arremesso com base na distância entre você e seu companheiro. Você precisa levar em consideração o brilho do sol, velocidade do vento e distrações próximas. Você precisa determinar com que firmeza segurar a bola e quando apertar a luva durante uma recepção. E você precisa ser capaz de processar vários cenários hipotéticos:E se a bola passar por cima da minha cabeça? E se cair na rua? E se ele bater na janela do meu vizinho?
Essas questões demonstram alguns dos desafios mais urgentes da robótica, e eles prepararam o cenário para a nossa contagem regressiva. Compilamos uma lista das 10 coisas mais difíceis de ensinar aos robôs, ordenados aproximadamente do "mais fácil" ao "mais difícil" - 10 coisas que precisaremos conquistar se quisermos cumprir as promessas feitas por Bradbury, Dick, Asimov, Clarke e todos os outros contadores de histórias que imaginaram um mundo no qual as máquinas se comportassem como pessoas.
O teste de navegação definitivo para um robô:Marte! Até aqui, A curiosidade se mostrou bastante competente. Imagem cortesia da NASA / JPL-Caltech / MSSS Mover-se do ponto A para o ponto B parece tão fácil. Nós, humanos, fazemos isso o dia todo, todos os dias. Para um robô, no entanto, navegação - especialmente por meio de um único ambiente que muda constantemente ou entre ambientes que nunca encontrou antes - pode ser um negócio complicado. Primeiro, o robô deve ser capaz de perceber seu ambiente, e então deve ser capaz de entender os dados recebidos.
Os roboticistas resolvem o primeiro problema, armando suas máquinas com uma série de sensores, scanners, câmeras e outras ferramentas de alta tecnologia para avaliar seus arredores. Scanners a laser estão se tornando cada vez mais populares, embora eles não possam ser usados em ambientes aquáticos porque a água tende a atrapalhar a luz e reduzir drasticamente o alcance do sensor. A tecnologia de sonar oferece uma opção viável em robôs subaquáticos, mas em aplicações terrestres, é muito menos preciso. E, claro, um sistema de visão que consiste em um conjunto de câmeras estereoscópicas integradas pode ajudar um robô a "ver" sua paisagem.
Coletar dados sobre o meio ambiente é apenas metade da batalha. O maior desafio envolve processar esses dados e usá-los para tomar decisões. Muitos pesquisadores fazem seus robôs navegar usando um mapa pré-especificado ou construindo um mapa em tempo real. Na robótica, isso é conhecido como BATER - localização e mapeamento simultâneos . O mapeamento descreve como um robô converte as informações coletadas com seus sensores em uma determinada representação. A localização descreve como um robô se posiciona em relação ao mapa. Na prática, esses dois processos devem ocorrer simultaneamente, criando um enigma do ovo e da galinha que os pesquisadores foram capazes de superar com computadores mais poderosos e algoritmos avançados que calculam a posição com base em probabilidades.
Twendy-One, um robô destinado a ajudar idosos e deficientes físicos em casa, demonstra sua capacidade de segurar objetos delicados ao manipular um canudo entre os dedos na Universidade Waseda, em Tóquio, em 8 de janeiro, 2009. © Issei Kato / Reuters / Corbis Os robôs coletam pacotes e peças em fábricas e depósitos há anos. Mas eles geralmente evitam humanos nessas situações, e quase sempre funcionam com objetos de forma consistente em ambientes sem confusão. A vida é muito menos estruturada para qualquer robô que se aventura além do chão de fábrica. Se tal máquina espera funcionar em casas ou hospitais, precisará de um sentido de toque avançado, capaz de detectar pessoas próximas e selecionar um item de uma coleção desordenada de coisas.
Essas são habilidades difíceis para um robô aprender. Tradicionalmente, os cientistas evitavam o toque completamente, programar suas máquinas para falhar se eles fizerem contato com outro objeto. Mas nos últimos cinco anos ou mais, houve avanços significativos em designs compatíveis e pele artificial. Conformidade refere-se ao nível de flexibilidade de um robô. Máquinas altamente flexíveis são mais compatíveis; máquinas rígidas são menos.
Em 2013, Pesquisadores da Georgia Tech construíram um braço robótico com molas para as articulações, o que permite que o apêndice se curve e interaja com seu ambiente mais como um braço humano. Próximo, eles cobriam tudo com uma "pele" capaz de sentir pressão ou toque. Algumas peles de robô contêm placas de circuito hexagonais interligadas, cada um carregando sensores infravermelhos que podem detectar qualquer coisa que se aproxime mais de um centímetro. Outros vêm equipados com "impressões digitais" eletrônicas - superfícies elevadas e estriadas que melhoram a aderência e facilitam o processamento do sinal.
Combine esses braços de alta tecnologia com sistemas de visão aprimorados, e você obtém um robô que pode oferecer uma carícia terna ou alcançar armários para selecionar um item de uma coleção maior.
O engenheiro mecatrônico Ben Schaefer interage com o bartender robô humanóide Carl enquanto prepara uma bebida no Robots Bar and Lounge na Alemanha em 26 de julho, 2013. Desenvolvido por Schaefer, Carl também pode interagir com os clientes em pequenas conversas. © Fabrizio Bensch / Reuters / Corbis Alan M. Turing, um dos fundadores da ciência da computação, fez uma previsão ousada em 1950:as máquinas um dia seriam capazes de falar tão fluentemente que não seríamos capazes de distingui-las dos humanos. Ai, robôs (mesmo Siri) não corresponderam às expectativas de Turing - ainda. Isso porque o reconhecimento de fala é muito diferente do que processamento de linguagem natural - o que nossos cérebros fazem para extrair significado de palavras e frases durante uma conversa.
Inicialmente, os cientistas pensaram que seria tão simples quanto conectar as regras gramaticais aos bancos de memória de uma máquina. Mas a codificação permanente de uma cartilha gramatical para qualquer idioma revelou-se impossível. Até mesmo fornecer regras sobre os significados de palavras individuais tornou o aprendizado de um idioma uma tarefa difícil. Precisa de um exemplo? Pense em "novo" e "conhecido" ou "banco" (um lugar para colocar dinheiro) e "banco" (a margem de um rio). Acontece que os humanos entendem essas idiossincrasias linguísticas ao confiar nas capacidades mentais desenvolvidas ao longo de muitos, muitos anos de evolução, e os cientistas não conseguiram dividir esses recursos em discretos, regras identificáveis.
Como resultado, muitos robôs hoje baseiam seu processamento de linguagem em estatísticas. Os cientistas os alimentam com grandes coleções de texto, conhecido como um corpus , e, em seguida, permitir que seus computadores dividam o texto mais longo em pedaços para descobrir quais palavras costumam se juntar e em que ordem. Isso permite que o robô "aprenda" um idioma com base em análises estatísticas. Por exemplo, para um robô, a palavra "morcego" acompanhada da palavra "voar" ou "asa" refere-se ao mamífero voador, enquanto que "taco" seguido de "bola" ou "luva" se refere ao esporte de equipe.
Um robô mostra suas habilidades de escrita durante um concurso de robôs inteligentes criado por estudantes universitários da Universidade Anhui de Ciência e Tecnologia da China em 16 de novembro. 2012. © Chen Bin / Xinhua Press / Corbis Digamos que alguém que nunca jogou golfe queira aprender a balançar um taco. Ele poderia ler um livro sobre isso e depois tentar, ou ele poderia assistir um jogador de golfe experiente executar os movimentos adequados, uma abordagem mais rápida e fácil para aprender o novo comportamento.
Os roboticistas enfrentam um dilema semelhante quando tentam construir uma máquina autônoma capaz de aprender novas habilidades. Uma abordagem, como no exemplo do golfe, é dividir uma atividade em etapas precisas e então programar as informações no cérebro do robô. Isso pressupõe que todos os aspectos da atividade podem ser dissecados, descrito e codificado, que, ao que parece, nem sempre é fácil de fazer. Existem certos aspectos de balançar um clube de golfe, por exemplo, que indiscutivelmente não pode ser descrito, como a interação de pulso e cotovelo. Esses detalhes sutis podem ser comunicados com muito mais facilidade mostrando do que contando.
Nos últimos anos, pesquisadores tiveram algum sucesso ensinando robôs a imitar um operador humano. Eles chamam isso aprendizagem de imitação ou aprendendo com a demonstração ( LfD ), e eles conseguem armar suas máquinas com matrizes de câmeras grande angular e zoom. Este equipamento permite que o robô "veja" um professor humano atuando em um processo ou atividade específica. Algoritmos de aprendizagem, então, processam esses dados para produzir um mapa de funções matemáticas que conecta a entrada visual às ações desejadas. Claro, robôs em cenários LfD devem ser capazes de ignorar certos aspectos do comportamento de seu professor - como coçar uma coceira - e lidar com problemas de correspondência, que se refere às formas em que a anatomia de um robô difere da humana.
Os esquilos são praticados na arte de enganar, então, os pesquisadores se voltaram para esses roedores astutos em busca de algumas idéias sobre como ensinar o comportamento enganoso dos robôs. John Foxx / Stockbyte / Thinkstock A fina arte do engano evoluiu para ajudar os animais a superar seus concorrentes e evitar serem comidos por predadores. Com prática, a habilidade pode se tornar um mecanismo de sobrevivência altamente eficaz.
Para robôs, aprender a enganar uma pessoa ou outro robô tem sido um desafio (e isso pode ser ótimo para você). O engano requer imaginação - a habilidade de formar idéias ou imagens de objetos externos não presentes aos sentidos - que é algo que as máquinas normalmente não têm (veja o próximo item em nossa lista). Eles são ótimos no processamento de entrada direta de sensores, câmeras e scanners, mas não tão bom em formar conceitos que existem além de todos esses dados sensoriais.
No entanto, os robôs do futuro podem ser mais versados em truques. Os pesquisadores da Georgia Tech conseguiram transferir algumas habilidades enganosas dos esquilos para os robôs em seu laboratório. Primeiro, eles estudaram os roedores felpudos, que protegem seus esconderijos de alimentos enterrados, levando os concorrentes aos antigos, caches não utilizados. Em seguida, eles codificaram esses comportamentos em regras simples e os carregaram no cérebro de seus robôs. As máquinas foram capazes de usar os algoritmos para determinar se o engano pode ser útil em uma determinada situação. Se então, eles foram então capazes de fornecer uma comunicação falsa que levou um robô companheiro para longe de seu esconderijo.
Se os humanos vão passar muito tempo com robôs, como este humanóide apelidado de ROBOY, as máquinas terão que melhorar um pouco em prever o que humanos aparentemente imprevisíveis farão a seguir. © Erik Tham / Corbis Em "Os Jetsons, "Rosie, a empregada robô foi capaz de manter conversas, cozinhar refeições, limpar a casa e atender às necessidades e desejos de George, Jane, Judy e Elroy. Para entender o desenvolvimento avançado de Rosie, considere esta cena do primeiro episódio da primeira temporada:Mr. Spacely, Chefe de George, vem para a casa dos Jetson para jantar. Depois da refeição, O Sr. Spacely pega um charuto e o coloca na boca, o que leva Rosie a correr com um isqueiro. Esta ação simples representa um comportamento humano complexo - a capacidade de antecipar o que vem a seguir com base no que acabou de acontecer.
Como engano, Antecipar a ação humana requer um robô para imaginar um estado futuro. Deve ser capaz de dizer, "Se eu observar um humano fazendo x, então eu posso esperar, com base na experiência anterior, que ela provavelmente seguirá com y. "Este tem sido um sério desafio na robótica, mas os humanos estão progredindo. Na Cornell University, uma equipe tem trabalhado para desenvolver um robô autônomo que possa reagir com base na forma como um companheiro interage com os objetos no ambiente. Para conseguir isso, o robô usa um par de câmeras 3-D para obter uma imagem dos arredores. Próximo, um algoritmo identifica os objetos principais na sala e os isola da confusão de fundo. Então, usando uma riqueza de informações coletadas em sessões de treinamento anteriores, o robô gera um conjunto de antecipações prováveis com base no movimento da pessoa e nos objetos que ela toca. O robô dá o melhor palpite sobre o que acontecerá a seguir e age de acordo.
Os robôs Cornell ainda acham errado algumas vezes, mas eles estão fazendo um progresso constante, especialmente à medida que a tecnologia da câmera melhora.
Close de um membro do time de futebol de robôs da Columbia. Uma das ligas de futebol da RoboCup apresenta vários robôs totalmente autônomos trabalhando juntos para praticar o esporte. Outra liga possui robôs humanóides! © John Vizcaino / Reuters / Corbis Construindo um único, máquina em grande escala - um andróide, se você quiser - requer investimentos significativos de tempo, energia e dinheiro. Outra abordagem envolve a implantação de um exército de menores, robôs mais simples que trabalham juntos para realizar tarefas mais complexas.
Isso traz um conjunto diferente de desafios. Um robô trabalhando em uma equipe deve ser capaz de se posicionar com precisão em relação aos colegas de equipe e deve ser capaz de se comunicar de forma eficaz - com outras máquinas e com operadores humanos. Para resolver esses problemas, cientistas se voltaram para o mundo dos insetos, que exibem um comportamento de enxameamento complexo para encontrar comida e realizar tarefas que beneficiam toda a colônia. Por exemplo, estudando formigas, os pesquisadores sabem que os indivíduos usam feromônios para se comunicarem uns com os outros.
Os robôs podem usar essa mesma "lógica de feromônio, "embora confiem na luz, não produtos químicos, comunicar. Funciona assim:Um grupo de minúsculos bots está disperso em uma área confinada. Inicialmente, eles exploram a área aleatoriamente até que um indivíduo encontre um traço de luz deixado por outro bot. Ele sabe seguir a trilha e assim o faz, deixando seu próprio rastro de luz pelo caminho. Conforme a trilha é reforçada, mais e mais bots o encontram e se juntam ao trem de vagões. Alguns pesquisadores também tiveram sucesso usando chilreios audíveis. O som pode ser usado para garantir que os bots individuais não se afastem muito ou para atrair colegas de equipe para um item de interesse.
Uma hidra mostra sua capacidade de autorreplicação, um que alguns robotocistas não se importariam de incorporar em suas máquinas. luismmolina / iStock / Thinkstock Deus disse a Adão e Eva, "Seja fecundo e multiplique, e reabastecer a terra. "Um robô que recebesse o mesmo comando ficaria confuso ou frustrado. Por quê? Porque a autorreplicação provou ser evasiva. Uma coisa é construir um robô - outra coisa é construir um robô que pode fazer cópias de si mesmo ou regenerar componentes perdidos ou danificados.
Interessantemente, robôs podem não olhar para os humanos como modelos reprodutivos. Talvez você tenha notado que, na verdade, não nos dividimos em duas partes idênticas. Animais simples, Contudo, faça isso o tempo todo. Parentes de águas-vivas conhecidas como hidra praticam uma forma de reprodução assexuada conhecida como florescendo :Um pequeno saco forma um balão para fora do corpo do pai e, em seguida, se quebra para se tornar um novo, indivíduo geneticamente idêntico.
Os cientistas estão trabalhando em robôs que possam realizar esse procedimento básico de clonagem. Muitos desses robôs são construídos a partir de elementos repetidos, geralmente cubos, que contêm máquinas idênticas e o programa de auto-replicação. Os cubos têm ímãs em suas superfícies para que possam se prender e se desprender de outros cubos próximos. E cada cubo é dividido em duas partes ao longo de uma diagonal para que cada metade possa girar independentemente. Um robô completo, então, consiste em vários cubos dispostos em uma configuração específica. Contanto que um suprimento de cubos esteja disponível, um único robô pode se curvar, remova os cubos de seu "corpo" para semear uma nova máquina e, em seguida, pegue os blocos de construção do estoque até que dois robôs totalmente formados estejam lado a lado.
Se você construir robôs autônomos letais que não requerem operadores humanos, como exatamente você programa a ética? © Fang Zhe / Xinhua Press / Corbis Conforme interagimos com as pessoas ao longo do dia, tomamos centenas de decisões. Em cada um, pesamos nossas escolhas contra o que é certo e errado, o que é justo e injusto. Se quisermos que os robôs se comportem como nós, eles precisarão de uma compreensão da ética.
Como a linguagem, codificar o comportamento ético é um enorme desafio, principalmente porque não existe um conjunto geral de princípios éticos universalmente aceitos. Diferentes culturas têm diferentes regras de conduta e diversos sistemas de leis. Mesmo dentro das culturas, diferenças regionais podem afetar a forma como as pessoas avaliam e medem suas ações e as ações das pessoas ao seu redor. Tentar escrever um manual de ética globalmente relevante que os robôs pudessem usar como uma ferramenta de aprendizado seria virtualmente impossível.
Com isso dito, pesquisadores recentemente conseguiram construir robôs éticos, limitando o escopo do problema. Por exemplo, uma máquina confinada a um ambiente específico - uma cozinha, dizer, ou o quarto de um paciente em uma casa de repouso - teria muito menos regras para aprender e teria um sucesso razoável ao tomar decisões eticamente corretas. Para conseguir isso, engenheiros de robôs inserem informações sobre escolhas consideradas éticas em casos selecionados em um algoritmo de aprendizado de máquina. As escolhas são baseadas em três critérios de escala móvel:em quanto bem uma ação resultaria, quanto dano evitaria e uma medida de justiça. O algoritmo então gera um princípio ético que pode ser usado pelo robô enquanto ele toma decisões. Usando este tipo de inteligência artificial, seu robô doméstico do futuro será capaz de determinar quem na família deve lavar a louça e quem controla o controle remoto da TV durante a noite.
Junto com suas habilidades emocionais, Nao claramente sabe como relaxar. © Gerd Roth / dpa / Corbis "As melhores e mais belas coisas do mundo não podem ser vistas nem tocadas. Devem ser sentidas com o coração." Se esta observação de Helen Keller for verdadeira, então, os robôs estariam destinados a perder o que há de melhor e mais belo. Afinal, eles são ótimos em sentir o mundo ao seu redor, mas eles não podem transformar esses dados sensoriais em emoções específicas. Eles não podem ver o sorriso de um ente querido e sentir alegria, ou registrar a careta de um estranho sombrio e tremer de medo.
Esse, mais do que qualquer coisa em nossa lista, pode ser a única coisa que separa o homem da máquina. Como você pode ensinar um robô a se apaixonar? Como você pode programar a frustração, desgosto, espanto ou pena? Vale a pena tentar?
Alguns cientistas pensam assim. Eles acreditam que os futuros robôs irão integrar os dois sistemas cognitivos de emoção, e essa, como resultado, eles serão capazes de funcionar melhor, aprenda mais rápido e interaja de forma mais eficaz com os humanos. Acredite ou não, já existem protótipos que expressam uma gama limitada de emoções humanas. Nao, um robô desenvolvido por uma equipe de pesquisa europeia, tem as qualidades afetivas de uma criança de 1 ano. Pode mostrar felicidade, raiva, medo e orgulho, tudo combinando posturas com gestos. Essas ações de exibição, derivado de estudos de chimpanzés e bebês humanos, são programados em Nao, mas o robô decide qual emoção exibir com base em sua interação com pessoas e objetos próximos. Nos próximos anos, robôs como Nao provavelmente funcionarão em uma variedade de ambientes - hospitais, lares e escolas - nas quais eles poderão dar uma mão amiga e um ouvido solidário.
O Robô de "Lost in Space" (a série de TV dos anos 1960, não o horrível filme de 1998) vagava pela minha imaginação enquanto escrevia este artigo. Era difícil escrever sobre humanos interagindo com máquinas e não ouvir o aviso icônico do Robô - "Perigo, Will Robinson, perigo! "- ecoando em meus pensamentos.
