หุ่นยนต์ การเกิดเป็นมนุษย์นั้นง่ายกว่าการสร้างมนุษย์มาก ทำอะไรง่ายๆอย่างการเล่นจับปลากับเพื่อนในสนามหน้าบ้าน เมื่อคุณแยกย่อยกิจกรรมนี้ออกเป็นหน้าที่ทางชีววิทยา ที่จำเป็นต่อการทำมันให้สำเร็จซึ่งมันไม่ง่ายเลย คุณต้องมีเซนเซอร์ เครื่องส่งและเอฟเฟกต์ คุณต้องคำนวณความยากในการโยนตามระยะห่างระหว่างคุณและเพื่อนร่วมทาง คุณต้องคำนึงถึงแสงสะท้อนจากดวงอาทิตย์ ความเร็วลมและสิ่งรบกวนในบริเวณใกล้เคียง
คุณต้องกำหนดว่าจะจับลูกบอลได้แน่นแค่ไหน และเมื่อใดควรบีบนวมระหว่างการจับ และคุณต้องสามารถประมวลผลสถานการณ์แบบ what-if ได้จำนวนหนึ่ง จะเกิดอะไรขึ้นถ้าลูกบอลข้ามศีรษะของเรา เกิดอะไรขึ้นถ้ามันม้วนเข้าถนน เกิดอะไรขึ้นถ้ามันพังผ่านหน้าต่างเพื่อนบ้านของเรา คำถามเหล่านี้แสดงให้เห็นถึงความท้าทายที่เร่งด่วนที่สุด บางประการของวิทยาการ หุ่นยนต์ และคำถามเหล่านี้เป็นจุดเริ่มต้นของการนับถอยหลังของเรา
เราได้รวบรวมรายการสิ่งที่ยากที่สุด ในการสอนหุ่นยนต์โดยเรียงลำดับจากง่ายที่สุดไปจนถึงยากที่สุด อย่างคร่าวๆนั่นคือสิ่งที่เราจะต้องเอาชนะหากเราจะทำตามคำสัญญาของแบรดเบอรี,ดิ๊ก,อาซิมอฟ,คลาร์กและนักเล่าเรื่องคนอื่นๆที่จินตนาการถึงโลกที่เครื่องจักรมีพฤติกรรมเหมือนคน ประการที่ 1 การทำตามรอยมนุษย์ การย้ายจากจุด A ไปจุด B ฟังดูง่ายจัง มนุษย์เราทำมันทุกวันทุกวัน สำหรับหุ่นยนต์แล้วการนำทาง โดยเฉพาะอย่างยิ่งผ่านสภาพแวดล้อมเดียว
ซึ่งเปลี่ยนแปลงตลอดเวลาหรือท่ามกลางสภาพแวดล้อมที่ไม่เคยพบมาก่อน อาจเป็นธุรกิจที่ยุ่งยาก ขั้นแรกหุ่นยนต์ต้องสามารถรับรู้สภาพแวดล้อมได้ จากนั้นหุ่นยนต์จะต้องสามารถเข้าใจข้อมูลที่เข้ามาได้ นักวิทยาการหุ่นยนต์จัดการกับปัญหาแรกด้วยการติดอาวุธให้เครื่องจักรด้วยชุดเซนเซอร์ สแกนเนอร์ กล้องและเครื่องมือไฮเทคอื่นๆ เพื่อประเมินสภาพแวดล้อม เลเซอร์สแกนเนอร์ได้รับความนิยมมากขึ้นเรื่อยๆ แม้ว่าจะไม่สามารถใช้ในสภาพแวดล้อมทางน้ำได้
เนื่องจากน้ำมีแนวโน้มที่จะรบกวนแสง และลดระยะของเซนเซอร์ลงอย่างมาก เทคโนโลยีโซนาร์นำเสนอตัวเลือกที่ใช้งานได้ในหุ่นยนต์ใต้น้ำ แต่ในการใช้งานบนบกนั้นแม่นยำน้อยกว่ามาก และแน่นอนว่าระบบวิชันซิสเต็มประกอบด้วยชุดกล้องสามมิติในตัว สามารถช่วยให้หุ่นยนต์มองเห็นทิวทัศน์ของมันได้ การรวบรวมข้อมูลเกี่ยวกับสิ่งแวดล้อมเป็นเพียงครึ่งทางของการต่อสู้เท่านั้น ความท้าทายที่ใหญ่กว่านั้นเกี่ยวข้องกับการประมวลผลข้อมูลนั้น และใช้ในการตัดสินใจ
นักวิจัยหลายคนให้หุ่นยนต์นำทางโดยใช้แผนที่ที่กำหนดไว้ล่วงหน้า หรือสร้างแผนที่ทันที ในวิทยาการหุ่นยนต์สิ่งนี้เรียกว่า SLAM การแปลและการทำแผนที่พร้อมกัน การทำแผนที่อธิบายวิธีที่หุ่นยนต์แปลงข้อมูลที่รวบรวมด้วยเซนเซอร์ให้เป็นตัวแทนที่กำหนด ซึ่งจะอธิบายว่าหุ่นยนต์วางตำแหน่งอย่างไรเมื่อเทียบกับแผนที่ ในทางปฏิบัติกระบวนการทั้ง 2 นี้ต้องเกิดขึ้นพร้อมกัน ทำให้เกิดปริศนาไก่กับไข่ที่นักวิจัยสามารถเอาชนะได้ ด้วยคอมพิวเตอร์ที่ทรงพลังกว่า
รวมถึงอัลกอริธึมขั้นสูงที่คำนวณตำแหน่งตามความน่าจะเป็น ประการที่ 2 แสดงความคล่องแคล่ว การย้ายจากจุด A ไปจุด B ฟังดูง่ายจัง มนุษย์เราทำมันทุกวันทุกวัน สำหรับหุ่นยนต์แล้วการนำทาง โดยเฉพาะอย่างยิ่งผ่านสภาพแวดล้อมเดียวที่เปลี่ยนแปลงตลอดเวลา หรือท่ามกลางสภาพแวดล้อมที่ไม่เคยพบมาก่อน อาจเป็นธุรกิจที่ยุ่งยาก ขั้นแรก หุ่นยนต์ต้องสามารถรับรู้สภาพแวดล้อมได้ จากนั้นหุ่นยนต์จะต้องสามารถเข้าใจข้อมูลที่เข้ามาได้
แอลัน ทัวริงหนึ่งในผู้ก่อตั้งวิทยาการคอมพิวเตอร์ได้ทำนายไว้อย่างชัดเจนในปี 1950 ว่าสักวันหนึ่งเครื่องจักรจะสามารถพูดได้อย่างคล่องแคล่ว จนเราไม่สามารถแยกพวกมันออกจากมนุษย์ได้ หุ่นยนต์แม้แต่ Siri ยังไม่สามารถทำตามความคาดหวังของทัวริงได้เลย นั่นเป็นเพราะการรู้จำเสียงนั้น แตกต่างจากการประมวลผลภาษาธรรมชาติอย่างมาก นั่นคือสิ่งที่สมองของเราทำเพื่อดึงความหมายจากคำ และประโยคในระหว่างการสนทนา
ในขั้นต้นนักวิทยาศาสตร์คิดว่ามันจะง่าย เพียงแค่เสียบกฎของไวยากรณ์เข้ากับธนาคาร หน่วยความจำของเครื่อง แต่การฮาร์ดโค้ดไพรเมอร์ทางไวยากรณ์สำหรับภาษาใดๆนั้น กลายเป็นเรื่องที่เป็นไปไม่ได้ แม้แต่การให้กฎเกณฑ์เกี่ยวกับความหมายของคำแต่ละคำ ก็ยังทำให้การเรียนภาษากลายเป็นงานที่น่าหวาดหวั่น ต้องการตัวอย่างคิดว่าใหม่ กลายเป็นว่ามนุษย์เข้าใจความแปลกประหลาดทางภาษาเหล่านี้
โดยอาศัยความสามารถทางจิตที่พัฒนาขึ้น ในช่วงหลายปีที่ผ่านมาของวิวัฒนาการ และนักวิทยาศาสตร์ไม่สามารถแยกความสามารถเหล่านี้ ออกเป็นกฎที่แยกจากกันและระบุตัวตนได้ ด้วยเหตุนี้หุ่นยนต์จำนวนมากในปัจจุบันจึงใช้การประมวลผลภาษาของตนตามสถิติ นักวิทยาศาสตร์ป้อนข้อความชุดใหญ่ ที่เรียกว่าคลังข้อมูลจากนั้นให้คอมพิวเตอร์แยกข้อความที่ยาวออกเป็นชิ้นๆ เพื่อค้นหาว่าคำใดมักมารวมกันและเรียงลำดับอย่างไร
สิ่งนี้ทำให้หุ่นยนต์สามารถเรียนรู้ภาษา โดยอิงจากการวิเคราะห์ทางสถิติ ตัวอย่างเช่น สำหรับหุ่นยนต์คำว่าค้างคาวตามด้วยคำว่าบินหรือปีก หมายถึงสัตว์เลี้ยงลูกด้วยนมที่บินได้ ในขณะที่ค้างคาวตามด้วยลูกบอลหรือถุงมือหมายถึงกีฬาประเภททีม ประการที่ 3 ได้รับทักษะใหม่ สมมติว่าคนที่ไม่เคยเล่นกอล์ฟต้องการเรียนรู้วิธีสวิงไม้กอล์ฟ เขาสามารถอ่านหนังสือเกี่ยวกับมันแล้วลองทำดู หรืออาจดูนักกอล์ฟฝึกหัดออกท่าทางที่เหมาะสม
ซึ่งเป็นแนวทางที่เร็วกว่าและง่ายกว่า ในการเรียนรู้พฤติกรรมใหม่ นักวิทยาการหุ่นยนต์ต้องเผชิญกับภาวะที่กลืนไม่เข้าคายไม่ออกเช่นเดียวกัน เมื่อพวกเขาพยายามสร้างเครื่องจักรอัตโนมัติ ที่สามารถเรียนรู้ทักษะใหม่ๆได้ วิธีหนึ่งเช่นเดียวกับตัวอย่างการเล่นกอล์ฟคือการแบ่งกิจกรรมออกเป็นขั้นตอนที่แม่นยำ จากนั้นจึงตั้งโปรแกรมข้อมูลลงในสมองของหุ่นยนต์ สิ่งนี้อนุมานว่าทุกแง่มุมของกิจกรรมสามารถแยกแยะ อธิบายและเขียนโค้ดได้
ซึ่งตามที่ปรากฏแล้วไม่ใช่เรื่องง่ายเสมอไป มีบางแง่มุมของการสวิงไม้กอล์ฟ เช่น การทำงานร่วมกันของข้อมือและข้อศอก รายละเอียดปลีกย่อยเหล่านี้สามารถสื่อสารได้ง่ายกว่า โดยการแสดงแทนการบอกเล่า ในช่วงไม่กี่ปีที่ผ่านมานักวิจัยประสบความสำเร็จในการสอนหุ่นยนต์ ให้เลียนแบบผู้ปฏิบัติงานที่เป็นมนุษย์ พวกเขาเรียกสิ่งนี้ว่าการเรียนรู้เลียนแบบหรือการเรียนรู้จากการสาธิต LfD
รวมถึงทำสำเร็จโดยติดอาวุธให้เครื่องจักร ด้วยอาร์เรย์ของกล้องมุมกว้างและซูมเข้ากับการกระทำที่ต้องการ แน่นอนหุ่นยนต์ในสถานการณ์ LfD จะต้องสามารถเพิกเฉยต่อพฤติกรรมบางอย่างของครูได้ เช่น การเกา อาการคันและจัดการกับปัญหาการติดต่อสื่อสาร ซึ่งหมายถึงลักษณะทางกายวิภาคของหุ่นยนต์ที่แตกต่างจากของมนุษย์
นานาสาระ >> อาคาร อธิบายเกี่ยวกับอาคารอัจฉริยะและการเพิ่มขึ้นของ อาคาร อัจฉริยะ