Мозковые волны для обучения роботов. Стартапы тестируют новый способ улучшения ИИ

Об этом пишет издание TechCrunch .

Компания Encord, создающая инструменты для подготовки данных для искусственного интеллекта, испытывает новый подход к обучению роботов. В калифорнийской лаборатории операторы выполняют различные действия — например, разбирают башню из деревянных брусков, — надев гарнитуру с камерой и датчиками, фиксирующими мозговые волны.

Эти датчики разработала немецкая компания Zander Labs. Она стремится определять по активности мозга такие состояния, как намерение, ошибка или неожиданность. Полученные данные планируется использовать для обучения роботов, чтобы они лучше понимали, какие действия требуют повышенного внимания или более сложных алгоритмов.

Пока это лишь эксперимент. Encord хочет создать первый набор данных с разметкой мозговой активности, протестировать его на моделях клиентов и только после этого решить, стоит ли масштабировать технологию.

В компании объясняют, что главной проблемой развития физического искусственного интеллекта стала нехватка качественных данных из реального мира. Если для языковых моделей можно было использовать огромные объемы текстов из интернета, то для роботов таких данных просто нет — их приходится собирать специально.

По словам руководителя направления обучения роботов в компании Encord Винита Велмуругана, видеоматериалов недостаточно для полноценного обучения роботов. Он считает, что для достижения значительного прогресса потребуется набор данных, примерно в пять раз превышающий весь видеоархив YouTube.

Для получения необходимой информации компания использует несколько методов. Один из них — запись видео от первого лица, при которой сотрудники носят камеры. Другой — дистанционное управление роботами, повторяющими движения людей. В лаборатории операторы выполняют различные задачи: наливают кофе, складывают фишки для покера, подключают кабели Ethernet к серверам или работают с бытовыми предметами.

Помимо мозковых волн, Encord тестирует еще одну технологию. На предплечье человека закрепляют датчики, считывающие электрические сигналы мышц. Это помогает точнее определить положение руки, даже когда она не полностью видна на видео.

Все записи подробно описываются текстом. Например, система получает пояснения вроде: «правая рука закручивает болт». Такие описания помогают моделям лучше понимать, что именно происходит на видео.

В компании считают, что тщательно размеченные данные могут быть примерно в 100 раз ценнее для обучения конкретным навыкам, чем обычные записи с камер. В то же время их создание обходится примерно в 20 раз дороже.

Именно высокая стоимость сбора таких данных пока остается одним из главных ограничений развития физического искусственного интеллекта. В отличие от текстов из открытого доступа, информацию для обучения роботов необходимо создавать специально, что значительно усложняет и удорожает этот процесс.