Robot che imparano tramite errori e nuovi tentativi, proprio come gli umani

Un team di ricercatori dell’Università di Berkeley ha sviluppato un nuovo tipo di apprendimento automatico per intelligenze artificiali che permetterebbe al robot di imparare attività tipiche degli esseri umani attraverso processi di errori e nuovi tentativi, proprio come fanno gli stessi esseri umani.
I ricercatori hanno creato un nuovo robot, denominato BRETT (Berkeley Robot for the Elimination of Tedious Tasks), che svolge attività essenzialmente ripetitive nelle quali migliora sensibilmente dopo aver provato e riprovato per diversi minuti.
I compiti ai quali il robot è stato sottoposto erano azioni abbastanza semplici, come assemblare figure elementari o avvitare un tappo su una bottiglia. Azioni semplicissime per un essere umano ma che restano ancora di una difficoltà immensa per robot ed intelligenze artificiali.
Gli ultimi sviluppi saranno presentati presso la Conferenza internazionale sulla Robotica e Automazione che si terrà a Seattle il 28 maggio.

Gli scienziati avrebbero creato un nuovo approccio per potenziare le modalità in cui un’intelligenza artificiale impara a coordinare i movimenti e a raggiungere il risultato. Il più grande vantaggio di un sistema del genere sarà rappresentato dal fatto che i robot impareranno azioni nuove senza intervento umano, ossia senza la necessità di riprogrammazione a livello software. Lo stesso software di apprendimento potrà essere utilizzato dall’intelligenza artificiale per imparare compiti diversi.
“La maggior parte delle applicazioni robotiche avvengono in ambienti controllati dove gli oggetti si trovano in posizioni prevedibili. La sfida di mettere i robot in ambienti simili a quelli della vita reale, come una casa o un ufficio, è che questi ambienti sono in continua evoluzione. Il robot deve essere in grado di percepire e di adattarsi all’ambiente circostante”, ha riferito Trevor Darrell, uno degli autori della ricerca.

L’algoritmo di apprendimento di BRETT fornisce al robot un feedback in tempo reale tramite una sorta di punteggio realizzato sulla base dei movimenti che portano il robot stesso più vicino al completamento dell’obiettivo. Attraverso questo sistema di punteggi, il robot può letteralmente imparare dai propri errori e riprovare.
Quando vengono somministrate tramite software le coordinate rilevanti per l’inizio e la fine dell’obiettivo, il robot può completare quest’ultimo in un tempo stimabile in circa 10 minuti. Quando la posizione degli oggetti non è conosciuta a priori dall’intelligenza artificiale del robot, la realizzazione del compito può comportare in media circa tre ore.
Gli stessi scienziati lasciano intendere che vi è ancora molta strada da percorrere prima che i robot possano realizzare operazioni quali pulire casa o fare la lavatrice ma questi risultati iniziali indicano che queste tipologie di apprendimento basate su errori e nuovi tentativi sia davvero la strada giusta.