Il miglioramento degli algoritmi di intelligenza artificiale porterà a una rivoluzione in protesi

La pratica dell'intelligenza artificiale utilizzando il metodo per tentativi ed errori, quando un computer «скармливаются» registrazione di un enorme numero già отыгранных partiti, sulla cui base si affina la tua abilità, ha dimostrato che la macchina è in grado di superare l'uomo in questi classici giochi da tavolo come gli scacchi e la logica di gioco. Degli esempi più recenti può essere considerato un recente computer su una persona in informatica II gioco, dove la macchina insegnato lo stesso principio. Tuttavia, un altro gruppo di professionisti nel campo dell'intelligenza artificiale ha dimostrato che questo metodo di allenamento può essere utilizzato per più pratici, ad esempio, per la formazione di protesi robotiche.

Il Metodo machine (reinforcement learning), in cui ispytuemaya sistema è addestrato, interagendo con un certo ambiente, ha mostrato risultati promettenti nel corso di un piccolo esperimento con la partecipazione di coppie di volontari – uno completamente sano una persona e uno con amputata sopra il ginocchio con il piede.

Quando si utilizzano i metodi tradizionali tecniche di solito richiede diverse ore al fine di configurare correttamente la protesi robotica, regolando manualmente ogni articolazione artificiale e perfeziona sotto un certo stile di cammino a cui è abituato l'uomo. L'esperimento di professionisti provenienti da North Carolina state University ha dimostrato che il metodo di apprendimento con rinforzo permette di fare questo è molto più veloce – già dopo 10 minuti completamente automatico le impostazioni uomo può agevolmente a piedi.

«Prima reale applicazione di questa tecnologia è ancora molto lontano. Abbiamo solo dimostrato che è possibile. Il risultato ci ha impressionato», — ha commentato Helen Huang, il professor della bioingegneria della North Carolina state University.

Huang con i colleghi hanno pubblicato i loro risultati sulla rivista IEEE Transactions on Cybernetics. I risultati del loro lavoro possono diventare un importante primo passo verso l'automazione tipici dei processi di configurazione manuale degli arti robotici, che di solito prende un sacco di tempo e richiede ai pazienti visite specialistiche ogni volta, quando le protesi richiedono alcuna regolazione. In prospettiva, tutte queste impostazioni le persone saranno in grado di eseguire a casa da soli, senza l'aiuto di tecnici.

La configurazione di robot protesi rappresenta un complesso processo di misura di diversi parametri che definiscono i livelli di interazione tra l'arto e protesi necessarie durante l'esecuzione di determinati compiti. Ad esempio, alcuni parametri determinano il livello di rigidità robotizzato articolazione del ginocchio o i limiti di tolleranza rotolamento del piede in avanti e indietro. Nel discusso caso di ginocchio protesi robotizzata ha richiesto le impostazioni di 12 diversi parametri. Con il trattamento standard il risultato finale di solito si rivela tutt'altro che perfetto, ma tuttavia è molto adatto per una persona potrebbe alzarsi sulla protesi e compiere semplici movimenti.

L'Esercizio di robotica dell'arto è un processo molto complesso коадаптации. Protesi in senso letterale deve imparare a lavorare in coppia con il cervello umano, gestori di reciproco adattamento degli organi in generale corpo. In questo caso, insegnare a camminare ha bisogno non solo di una protesi, ma anche dell'uomo. Di solito i primi risultati sembrano abbastanza goffamente – vicino a esempi con gli sci o il pattinaggio, che l'uomo per la prima volta si alzò in piedi.

«il Nostro corpo può abbastanza strano rispondere a corpi estranei, imitando il suo sequel. In un certo senso il nostro algoritmo di computer di apprendimento con rinforzo studia l'interazione con il corpo umano», — dice il co-autore della ricerca pubblicata Jenny Xi, professore di elettronica, ingegneria informatica e dell'energia presso l'università di Stato dell'Arizona.

Attività di formazione protesi robotiche si complica ancora molto limitati disponibili per la formazione di un algoritmo di dati. Ad esempio, per la formazione dei propri algoritmi AlphaZero e AlphaStar per giocare a scacchi, go e StarCraft II azienda DeepMind usato il record di un milione di già partite che hai giocato questi giochi. A sua volta la persona con un arto amputato per raccogliere i dati necessari per la formazione di un algoritmo non è in grado di camminare davvero un lungo periodo di tempo. Ad esempio, coloro che hanno visitato il laboratorio di Huang poteva camminare senza fermarsi solo 15-20 minuti, dopo di che loro aveva bisogno di un po ' di riposo.

Ma non è tutto di difficoltà e limitazioni, non consentono di coprire l'intera gamma di informazioni di formazione, sottolineano i ricercatori. Ad esempio, anche tra Xi e Huang prima di iniziare il progetto è nato un dibattito sul tema, è possibile consentire ai volontari coinvolti nell'esperimento, a cadere, per l'algoritmo potrebbe imparare e di questa informazione. Alla fine questa idea ha deciso di rinunciare, l'azzeramento per la sicurezza dei volontari.

Eppure, nonostante tutte queste difficoltà, i primi risultati hanno impressionato. I ricercatori hanno addestrato algoritmo di definire specifici modelli di dati raccolti da sensori installati in grage ginocchio. Questo a sua volta ha permesso di impostare la soglia di funzionalità robotizzata della protesi, che ha permesso di evitare situazioni indesiderate, che potrebbe portare a una caduta. In definitiva, l'algoritmo ha imparato a fare affidamento su un certo modello di azione, che ha permesso di raggiungere la stabilità, fluidità e una maggiore naturalezza nel movimento di robotica dell'arto.

Un approccio Automatizzato di apprendimento roboticogli arti sono ancora molto lontani da applicazioni di massa. Ora gli scienziati vogliono educare algoritmo di agevole gestione di una protesi in piedi, aumento (ad esempio, da una sedia) e in discesa (ad esempio, tramite scale). Inoltre, il compito di rendere il sistema più autonomo, che permetterà di effettuare l'addestramento e l'impostazione di protesi non solo in condizioni di laboratorio.

Uno dei più difficili e allo stesso tempo più importanti manager, secondo i ricercatori, è quello di sviluppare un metodo di «a parlare» di un algoritmo e di un uomo, per l'ultima potuto parlare di lui, quale delle impostazioni selezionate protesi più conveniente. I primi tentativi di risolvere questo problema attraverso i normali pulsanti e altri semplici metodi di input informazioni erano inefficaci. Forse, in parte perché tale opzione interfaccia «computer-macchina» non consente di trasmettere tutta la pittura di percezione di coordinamento uomo.

«Questo metodo non ha funzionato perché non comprendiamo appieno tutte le caratteristiche del corpo umano. Prima di tutto è necessario colmare alcune lacune nei fondamentali conoscenze di psicologia e fisiologia», — conclude Huang.

Le Prospettive di sviluppo di protesi robotiche sulla base di intelligenza artificiale si può discutere nel nostro .