Создана технология для обучения роботов человеческим ценностям
Исследователи из корейского университета KAIST сделали важный шаг к коммерциализации физического искусственного интеллекта. Они разработали технологию, которая позволяет машинам самостоятельно осваивать человеческие предпочтения и критерии оценки всего по нескольким видеороликам. Профессор Чанг Д. Ю из Школы электротехники представил метод под названием VOTP (Video-based Optimal TransPort Preference).
От генеративного ИИ к реальным действиям в мире
Искусственный интеллект уже научился писать тексты, рисовать картинки и сочинять музыку. Теперь он уверенно шагает в следующую эпоху — физического ИИ. Это машины, которые не просто генерируют контент на экране, а двигаются и взаимодействуют с реальным миром. Яркие примеры — промышленные роботы, заменяющие людей на опасных участках производства, беспилотные автомобили, самостоятельно разбирающиеся в сложной дорожной обстановке, и хирургические роботы, помогающие врачам проводить сложнейшие операции.
Однако до недавнего времени оставалась серьезная преграда. Чтобы робот действовал правильно, ИИ нужно было понимать, какие варианты поведения человек считает хорошими, а какие — нет. Для этого разработчикам приходилось собирать тысячи, а то и десятки тысяч оценок от реальных людей. Каждый пример действий машины приходилось вручную отмечать как «подходит» или «не подходит». Это требовало колоссальных затрат времени, денег и человеческих ресурсов.
Машины, которые чувствуют человеческие намерения
Новая технология VOTP предлагает куда более естественный и эффективный подход. Исследователи заметили, что люди сами учатся новым навыкам, посмотрев всего несколько демонстраций. Именно этот принцип лег в основу метода. Теперь ИИ может анализировать небольшое количество видеороликов, где показаны удачные и неудачные примеры действий, и самостоятельно выделять, что именно ценит человек в той или иной ситуации.
Алгоритм помогает машине улавливать скрытые намерения и предпочтения. Например, когда хирургический робот накладывает швы, или беспилотник проезжает сложный перекресток с пешеходами, ИИ теперь способен выбрать наиболее подходящий вариант из множества возможных, опираясь не на жесткие инструкции, а на понимание человеческих ожиданий.
Эксперименты в разных условиях и задачах подтвердили: метод хорошо работает и легко переносит полученные знания на новые, ранее не виданные ситуации.
Почему это важно для будущего
Благодаря VOTP резко сокращаются затраты на сбор данных и обратную связь от людей. Роботам больше не нужны огромные базы оценок — достаточно нескольких качественных видеопримеров. Это ускоряет разработку и делает ее значительно дешевле.
Технология открывает двери для широкого применения. Она пригодится в управлении роботизированными манипуляторами на заводах, в человекоподобных роботах, автономных автомобилях, умных производственных линиях, дронах, хирургических системах и даже в программных агентах, которые управляют компьютерами вместо человека. По сути, VOTP может стать базовой технологией для всех физических систем ИИ, которым критически важно понимать, чего хочет человек.
Главное — понять человека
Профессор Чанг Д. Ю так прокомментировал разработку:
«Суть физического ИИ заключается в том, чтобы научить машины понимать намерения человека и выбирать правильные действия. Поскольку VOTP может изучать критерии человеческой оценки, используя лишь небольшое количество видео, это ключевая технология, которая ускорит эру роботов, принимающих решения, подобные человеческим».
Новая технология приближает время, когда роботы будут не просто выполнять поставленные задачи, а по-настоящему «чувствовать» человеческие ценности, предпочтения и нюансы. Это важный шаг к безопасному и гармоничному взаимодействию людей и умных машин в повседневной жизни.
