Egyes tárgyak mozdíthatók, mások nem. Egy labdát rá lehet tenni egy ládára, ládákat viszont nem dúcolunk alá labdákkal. Ezekre a környezettel kapcsolatos információkra már egyéves gyerekek is gyorsan rájönnek. Ők igen, robotoknak azonban óriási kihívás.
Ha szoftverek lehetővé teszik, hogy az általuk irányított robotok tárgyakat mozdítsanak el, helyezzenek a lakás más pontjára, a gép lényegesen több ismerettel fog rendelkezni a környezetéről. Nem egyszerű feladat, mert olyan fogalmakat kell megtanulnia, mint például „mozdíthatóság”, „szilárdság” stb. Amennyiben sikerül, nagyon komoly előrelépés a gépi tanulásban és az egész mesterségesintelligencia-kutatásban. (Persze attól még, hogy tudja, mi a mozgás, és az ismeretet képes alkalmazni, nem fogja érteni a fogalmat – úgy biztos nem, mint a Homo sapiens, legyen az felnőtt, vagy egyéves csecsemő…)

A nemrég zárult, de utódprojektekben folytatódó európai uniós XPERO (Learning by Experimentation) kezdeményezés keretében fejlesztett kognitív rendszer pont ezeknek az elvárásoknak próbál eleget tenni: biztosítja a robotnak, hogy megismerje az őt körülvevő világot, és fizikai kísérletezéssel tanuljon belőle.

Igen, nem, és semmi más

Első lépésként olyan algoritmust kellett kidolgozni, amely lehetővé teszi, hogy az érzékelőiből érkező adatok alapján ismerkedjen környezetével. Közben a kutatók egy előredefiniált viszonylag kezdetleges, logika-alapú ismeretbázist installáltak a gépbe: a rendszer csak igent és nemet ismer, „talán” nem létezik számára.

Az ismeretbázist mozgás közben, szenzorokból folyamatosan érkező adatokkal tesztelik. Ha valamiről kideríti, hogy nem igaz, kísérletezésbe fog, igyekszik rájönni, miért rossz a feltételezés, miként lehet korrigálni rajta.

A hasznos információ kiszűrése a masszív adatfolyamból, illetve az idő fogalmának kezelése egyaránt komoly kihívás. Eleinte a robot semmit nem tud kezdeni a belátható jövővel. Viszont minden egyes megfigyeléssel újabb és újabb elképzeléseket alakít ki; egyre jobbakat, melyekkel már kalkulálhatók a cselekvések következményei. Igen ám, csakhogy elvileg szinte végtelen lehetőség közül választhat. A végtelen lehetőség teszteléséhez sajnos végtelenül sok idő is kell, úgyhogy a kutatóknak valamit ki kellett találniuk, máskülönben XPERO még a XXIV. században is próbálkozna, hátha…

A megoldás: az irdatlan mennyiségű adat folyamatos vizsgálata helyett néhány másodperc elteltével „pillanatfelvételeket” kell összehasonlítania. Ha valamelyik téves, egy csomó megoldás kiesik vele, a változókat át kell alakítani, jön az újabb kalkuláció, és így tovább – ezt a logikát használva drasztikusan csökken az adatfeldolgozásra fordított idő.

Eszesednek a porszívók

XPERO közben állandóan építi ismeretbázisát. A folyamat fontos eleme, hogy nem tesz különbséget előzetes és megtanult ismeret között, mindent hasznosít és újrahasznosít. Csak így képes a lépésről lépésre történő inkrementális (adaptív) tanulásra.

A bemutatóval egybekötött 2009-es prágai FET (Future and Emerging Technologies) konferencián a kognitív rendszeren alapuló autonóm kísérletező robot első helyezést ért el: környezetéről szünet nélkül tanulva, mozgatott és tett arrébb tárgyakat. Egy újabb kísérletben még ennél is jobban teljesített: elsajátította, hogyan használjon eszközként tárgyakat. Az egyiket elérte a másikat nem, viszont az előbbivel sikeresen elmozdította az utóbbit. (Az utódprojektekben már nem egy, hanem két, esetleg több robottal próbálkoznak.)

Az XPERO rendszer elterjedése először a szolgáltató robotikát fogja megváltoztatni: a ma még buta, előreprogramozott porszívókat és fűnyírókat „eszesebb” gépek váltják. Más területeken szintén számítanak rá: az egyik robotgyártó például a szórakoztatva történő oktatásban (edutainment) igyekszik hasznosítani a platform több elemét.