Lidé už nemají proti systémům AI šanci. U dovednostních úkolů je to ale často jinak. Nyní výzkumníci nechali v testu soutěžit špičkové piloty dronů s umělou inteligencí.
Již v roce 1996 dal systém umělé inteligence Deep Blue mat tehdejšímu mistru světa v šachu Garrymu Kasparovovi. O 20 let později AlphaGo dokázal porazit Lee Sedola, dlouhodobě nejsilnějšího hráče ve složitější hře Go. Umělá inteligence (AI) se zdá nyní nadřazena lidem i v jiných počítačových hrách.
O fyzických soutěžích typu závodů dronů to ale už dávno neplatilo. Musíte řídit dron – obvykle kvadrokoptéru se čtyřmi rotory – přes řadu bran. První systémy umělé inteligence byly jen z poloviny rychlejší než lidští piloti.
Soutěž v testu špičkových dronů s AI
To se změnilo alespoň v testu bezpilotních prostředků. Na univerzitě v Curychu ve Švýcarsku byl vyvinut systém umělé inteligence, který řídí drony k cíli rychleji než lidští šampióni. Dron s umělou inteligencí s názvem Swift vyhrál 15 z 25 závodů proti třem nejlepším pilotům závodních dronů na světě rychlostí někdy i více než 100 kilometrů za hodinu. Studie výzkumné skupiny vedené robotikem Davidem Scaramuzzou se publikovala v časopise ,,Nature“.
„Fyzické sporty jsou pro umělou inteligenci větší výzvou, protože jsou méně předvídatelné než deskové nebo videohry,“ uvedl Scaramuzza v prohlášení z jeho univerzity. Novější řešení využívají externí systém určování polohy (systém pro zachycení pohybu) pro nepřetržité zásobování AI daty o poloze z dronu.
Takový systém použili i autoři aktuální studie – ale pouze pro výcvik AI, v soutěži s lidskými piloty se nepoužil. Místo toho používá Swift data z kamery a zrychlení a rychlost poskytovanou inerciální měřicí jednotkou. Takové systémy umožňují soběstačnou, i když méně přesnou orientaci v prostoru než s GPS.
Neuronové sítě trénují AI drony
,,Swift“ se skládá ze dvou klíčových komponent: Systém vnímání převádí rozsáhlá data z kamery a setrvačnosti do efektivního kódu. Řídicí systém pak data dekóduje a generuje ovládací příkazy pro dron. Vše ve zlomcích vteřiny.
V obou komponentách se použily umělé neuronové sítě, což znamená, že systém se učit a lze jej trénovat. Umělá inteligence během závodu vybere nejlepší akci, aby trať dokončila co nejrychleji.
Lidskými konkurenty, kterým Swift čelil po měsíci simulovaného letu, byli Alex Vanover, 2019 Drone Racing League Champion, Thomas Bitmatta, 2019 MultiGP Drone Racing Champion, a trojnásobný švýcarský šampion Marvin Schaepper. Závodní dráha se skládala ze sedmi čtvercových bran, kterými bylo nutné ve správném pořadí proletět na ploše 25 x 25 metrů.
AI je rychlejší, ale lidé byli dosud flexibilnější
Celkově AI systém vyhrál více závodů než nejlepší piloti a zvládl nejrychlejší kolo o půl sekundy. Lidští piloti se však ukázali být přizpůsobivější než „Swift“ v situacích, které se odchylovaly od podmínek výcviku autonomního dronu – například pokud bylo v místnosti příliš jasno.
Závody dronů nejsou pro výzkumníky samoúčelné, protože rychlé autonomní drony lze využít mnoha způsoby. „V neposlední řadě může mít vysoká rychlost letu rozhodující vliv na záchranné operace – například u dronů, které jsou posílány do hořící budovy,“ říká Scaramuzza. A určitě by o taková zařízení měla mít zájem i armáda.
Velký potenciál v práci švýcarských vědců vidí i Guido de Croon z nizozemské Delft University of Technology. V komentáři „Příroda“ nazývá výsledek výzkumu „skvělým příkladem toho, jak robotika překonává propast mezi realitou“.
Výsledky se však dosáhly v jasně definovaném prostředí. „Aby dron porazil lidské piloty v jakémkoli závodním prostředí, musí být schopen vyrovnat se s vnějšími rušivými vlivy, jako je vítr, ale také měnící se světelné podmínky, méně jasně definované brány, další závodní drony a mnoho dalších faktorů – všechny existující faktory. Techniky umělé inteligence musí překonávat výzvy,“ píše de Croon.
Zdroj: spiegel, Vapol
