Siga o Olhar Digital no Google Discover
Os robôs incorporados com IA atualmente se baseiam no aprendizado por tentativa e erro. Apesar desse método funcionar, o processo de aprendizagem completo é demorado e, ainda, há situações em que o erro é inadmissível ou arriscado.
Ofertas
Por: R$ 727,20
Por: R$ 27,81
Por: R$ 50,10
Por: R$ 67,95
Por: R$ 10,90
Por: R$ 2.069,90
Por: R$ 56,60
Por: R$ 75,85
Por: R$ 334,32
Por: R$ 23,83
Por: R$ 140,00
Por: R$ 178,49
Por: R$ 198,99
Por: R$ 3.999,00
Por: R$ 160,65
Por: R$ 187,00
Por: R$ 209,90
Por: R$ 166,19
Por: R$ 330,00
Engenheiros da Universidade Northwestern, nos Estados Unidos, criaram um novo modelo de IA que utiliza um método diferente: os robôs aprendem por aleatoriedade. Na prática, isso se revelou mais eficaz e, em diversas ocasiões, as máquinas acertaram uma tarefa na primeira tentativa.
Leia mais:
- Na falta de abelhas, “abelha robô” poderá ajudar a polinizar flores
- Vídeo de robô humanoide super rápido impressiona
- Como verificar informações e imagens falsas no Google
Novo modelo de IA para robôs
O modelo foi batizado de Aprendizado por Reforço de Difusão Máxima (MaxDiff RL). O diferencial dele é incentivar os robôs a explorar os ambientes de forma aleatória e aprender a partir de diferentes experiências.
A aleatoriedade não é por acaso. Segundo o TechXplore, essa característica permite que os robôs coletem dados com mais rapidez e qualidade, melhorando sua própria aprendizagem e desempenho. Quando testados, eles superaram outros robôs com IA tradicionais.
Isso porque a IA tradicional aprende a partir de grandes conjuntos de dados e, na prática, usa a tentativa e erro até atingir o resultado ideal. Segundo os pesquisadores, a técnica funciona bem para chatbots, por exemplo, mas não para robôs com um corpo material. Nesse caso, as máquinas coletam dados por conta própria, mas ainda tem que lidar com as falhas e suas consequências físicas, alongando o processo de aprendizagem.
Treinamento do novo modelo
Aí que entra a aleatoriedade.
Os pesquisadores queriam um modelo de IA que permitisse a coleta de dados de alta qualidade enquanto os robôs interagiam com o ambiente.
A resposta foi fazê-los se mover de forma aleatória, a fim de coletar dados e experiências diversas sobre os ambientes. Com isso, eles adquirem habilidades diferentes, mas necessárias para tarefas úteis.
O modelo foi testado ao lado de outros robôs de IA e se saiu melhor. Veja os resultados:
- Para testar a invenção, os pesquisadores fizeram comparações com outros robôs de última geração movidos a IA;
- Eles pediram que os dois modelos realizassem uma série de tarefas padrão.
- No geral, os robôs com o modelo MaxDiff RL aprenderam mais rápido do que os outros. Eles também executaram tarefas corretamente de forma mais consistente e confiável do que os outros;
- Outro resultado promissor foi que, em muitos casos, os robôs com o novo modelo de IA conseguiu realizar uma tarefa corretamente na primeira tentativa.
Veja o vídeo da Universidade mostrando como foram os testes:
Aplicações dos robôs inteligentes
Os pesquisadores destacam o potencial do novo modelo de IA em robôs que não podem errar, como em situações de risco ou até em uma nova leva de dispositivos para atividades mais complexas.
Isso não precisa ser usado apenas para veículos robóticos que se movimentam. Também poderia ser usado para robôs estacionários – como um braço robótico em uma cozinha que aprende como carregar a máquina de lavar louça. […] Este é um passo importante em direção a sistemas reais que realizam tarefas mais complicadas e mais interessantes.
Allison Pinosky, coautor do artigo
Tags: