ลิ้งค์เชื่อมต่อ

นักวิจัยสอนหุ่นยนต์ให้ 'คิดวิเคราะห์จากประสบการณ์' เพื่อทำงานได้ดีขึ้น


นักวิจัยสอนหุ่นยนต์ให้คิดวิเคราะห์จากประสบการณ์เพื่อทำงานได้ดีขึ้น

please wait
Embed

No media source currently available

0:00 0:02:52 0:00

การตั้งโปรแกรมเพื่อสอนหุ่นยนต์หรือปัญญาประดิษฐ์ให้ทำงาน เป็นเรื่องที่ทั้งยากและต้องใช้เวลา เช่น การเขียนรหัสพิเศษให้หุ่นยนต์พยายามพับเสื้อยืด จะต้องคำนึงถึงขนาด เนื้อผ้า ตลอดจนขั้นตอนวิธีการต่างๆ

ขณะนี้คณะนักวิทยาศาสตร์ด้านคอมพิวเตอร์ ที่มหาวิทยาลัยแห่งรัฐแมรี่แลนด์ วิทยาเขตคอลเลจ พาร์ค กำลังหาทางช่วยให้หุ่นยนต์ทำงานได้ดีขึ้น โดยเรียนรู้จากประสบการณ์การทำงานที่ผ่านมา

Yiannis Aloimonos ศาสตราจารย์ที่มหาวิทยาลัยแห่งรัฐแมรี่แลนด์ กล่าวว่า ในปัจจุบัน หุ่นยนต์จำนวนมากยังทำงานได้ค่อนข้างช้า เนื่องจากยังไม่มีความสามารถในการจำแนกความแตกต่างระหว่างการส่งสัญญาณต่างๆ ได้ดีพอ แต่ด้วยการพัฒนาโปรแกรมที่ช่วยฝังความทรงจำเข้าสู่สมองกลของหุ่นยนต์ จะทำให้หุ่นยนต์สามารถใช้ประสบการณ์ที่ผ่านมาในการเรียนรู้และพัฒนาตนเอง เพื่อให้ทำงานนั้นได้รวดเร็วยิ่งขึ้น

อย่างไรก็ตาม การผสมรวมทักษะการเรียนรู้เข้ากับการสั่งงานผ่านจักรกลนั้นเป็นภารกิจที่ไม่ง่ายเลย

เวลานี้ศาสตราจารย์ Aloimonos และเพื่อนร่วมงาน กำลังพยายามพัฒนาทฤษฎีคอมพิวเตอร์แบบ Hyper-dimension ซึ่งจะช่วยให้คอมพิวเตอร์ต่างๆ ทำงานได้ดีขึ้น ตัวอย่างเช่น โทรศัพท์สมาร์ทโฟนจะสามารถวิเคราะห์สถานการณ์ และเก็บสะสมประสบการณ์ต่างๆ รวมทั้งสามารถบอกตำแหน่งที่ตั้งต่างๆ ได้ทันที จากการวิเคราะห์รูปถ่ายรูปหนึ่ง

ขณะเดียวกัน เทคโนโลยีควบคุมระยะไกล หรือ โดรน ก็สามารถนำมาใช้ในการวิเคราะห์สภาพแวดล้อมได้โดยอัตโนมัติ โดยไม่จำเป็นต้องมีมนุษย์คอยกำกับ

การเปลี่ยนแปลงที่น่าทึ่งอีกอย่างหนึ่ง คือดวงตาของหุ่นยนต์ ซึ่งนักวิทยาศาสตร์กล่าวว่าไม่ได้เป็นเพียงกล้องธรรมดาอีกต่อไป แต่เป็นเซ็นเซอร์ที่สามารถรับสัญญาณการมองเห็นภาพแบบต่อเนื่องตลอดเวลา ซึ่งช่วยในการตอบสนองต่อการเคลื่อนไหวและแสงต่างๆ ได้

กลไกดังกล่าวคล้ายกับดวงตาของมนุษย์ที่ส่งสัญญาณอย่างต่อเนื่องไปที่ "สมองกล" ที่บันทึกและเก็บข้อมูลต่างๆ ไว้มากมายมหาศาล เพื่อสร้างสรรค์สิ่งที่คล้ายกับประสบการณ์ชีวิตในความทรงจำของมนุษย์เรา

นักวิทยาศาสตร์บอกว่า วิธีนี้จะทำให้หุ่นยนต์ใกล้เคียงกับมนุษย์มากขึ้นเรื่อยๆ

อย่างไรก็ตาม คณะนักวิทยาศาสตร์ของมหาวิทยาลัยแห่งรัฐแมรีแลนด์ ยอมรับว่าโครงการที่ทำอยู่นี้เป็นเรื่องที่ยากและซับซ้อน ซึ่งยังต้องใช้ความพยายามและการค้นคว้าอีกมาก

XS
SM
MD
LG