Jedan od neuvjerljivih junaka revolucije koju je pokrenula umjetna inteligencija svakako je malo poznata baza podataka pod nazivom ImageNet. Napravljena je na Sveučilištu Princeton i sadrži oko 14 milijuna fotografija s detaljnim opisima svake od njih.

ImageNet je važan jer je riječ o bazi podataka za moćne neuronske mreže. One uče gledanjem slika i popratnog teksta, a što je baza podataka veća, to bolje uče. Bez ImageNeta i drugih sličnih skupova podataka, čak i najmoćnije neuronske mreže ne bi mogle prepoznati ništa.

Robotičari sličan pristup sad žele pokušati s video zapisima kako bi robote naučili komunicirati s okolinom. Sudeep Dasari vodi ekipu sa Kalifornijskog sveučilišta Berkeley koja stvara bazu podataka zvanu RoboNet. Ona se sastoji od velikog broja video snimaka robota u akciji. Ideja je da svatko može preuzeti te podatke i upotrijebiti ih za trening robota.

Dasari i suradnici žele bazu podataka pretvoriti u resurs koji može uvježbati gotovo svakog robota za obavljanje gotovo bilo kojeg zadatka, dakle u neku vrstu sveučilišta za robote zvanog RoboNet, piše Technology Review.

Sve dosad robotičari su imali ograničen uspjeh u podučavanju robota kako će se kretati i snalaziti u prostoru. Držali bi se standardne tehnike strojnog učenja koju je popularizirao ImageNet.

U praksi to izgledalo ovako: učenje započinje snimanjem načina na koji robot komunicira s nekim predmetom kako naprimjer četkom kako bi je pomicao. A kad robot savlada tehniku, snimaju ga dok istu stvar ponavlja s drugim predmetima. Potom te podatke koriste za osposobljavanje neuronske mreže.

Trik je, naravno, u količini podataka, u ogromnom broju sati videozapisa iz kojih se može učiti. Jer čim se promijeni okruženje, ovi sustavi učenja moraju sve početi iznova.

'Uobičajena praksa ponovnog prikupljanja podataka za svako novo okruženje u osnovi znači ponovno učenje osnovnog znanja o svijetu, a to je nepotreban napor', kažu Dasari i suradnici.

A RoboNet to zaobilazi otvorenom bazom podataka za razmjenu robotskog iskustva. Tako da svaki robot može učiti i iz iskustva drugih robota. Tim s Berkeleyja već je snimio videozapise oko 15 milijuna zadataka koristeći pritom sedam vrsta robota s različitim hvataljkama u različitim okruženjima.

Roboti obučeni takvim pristupom funkcioniraju bolje od onih koji su učili na konvencionalan način.

Podaci RoboNeta dostupni su svima koji ih mogu koristiti. Dasari i ekipa nadaju se da će im se priključiti i drugi istraživački timovi sa svojim bazama podataka.

'Ovo je prvi korak prema stvaranju robota koji mogu raditi u širokom rasponu okruženja, s različitim hardverima', kažu u RoboNetu. Sveučilište za robete trebalo bi pomoći da se to dogodi čim prije.