Ana sayfa 143. Sayı Robotların bebekler gibi taklit ve deneyimlemeyle öğrenebilecekleri bulundu!

Robotların bebekler gibi taklit ve deneyimlemeyle öğrenebilecekleri bulundu!

123
PAYLAŞ

Çeviren: Yusuf Can Semerci

Bebekler, dünya hakkında öğrenmeleri gereken şeyleri, vücutlarının nasıl hareket ettiğini keşfederek, oyuncaklarla etkileşerek, masa üzerindeki nesneleri itip düşürerek ve yetişkinleri gözlemleyip onları taklit ederek öğrenir.

Robotik alanında çalışan biliminsanları, bir robota bir görevi nasıl yapması gerektiğini öğretirken ise, ya o görevi yerine getirecek kodu yazarlar ya da fiziksel olarak robotun elini veya bedenini hareket ettirerek o görevi nasıl yapması gerektiğini gösterirler.

Washington Üniversitesi Gelişim Psikolojisi ve Bilgisayar Bilimleri bölümlerinin ortak çalışmasına göre, robotlar da tıpkı bebekler gibi çevrelerini keşfedip bilgi toplayarak ve insanları izleyip görevini yapmak için neyin gerektiğini görerek öğrenebilir.

Washington Üniversitesi Bilgisayar Bilimleri ve Mühendisliği Bölümü profesörü, makalenin başyazarı Rajesh Rao “Bu gelişmeye tıpkı bebekler gibi çevresindeki insanlardan öğrenerek gelişen robotlara ilk adım olarak bakılabilir” diyor. “Eğer programlama bilmeyen bir insanın bir robota bir şeyler öğretmesini istiyorsanız, bunu yapmanın yolu göstererek öğretmektir. Robota bu kişi bulaşıkları yıkamayı, çamaşır katlamayı ya da günlük ev işlerini göstererek öğretebilir. Ancak bunu gerçekleştirmek için, robotun bu aksiyonları anlayabiliyor ve kendi başına tekrarlayabiliyor olması gerekir.”

Washington Üniversitesi Öğrenme ve Beyin Bilimleri Enstitüsü Laboratuvarı’nda (I-LABS) yürütülen çocuk gelişimi çalışmalarını makine öğrenmesi teknikleriyle harmanlayan araştırma, Plus One dergisinde yayımlandı.

Bu araştırmada ekip, robotikteki temel problemlerden olan insanları izleyerek yeni yetenekler öğrenen robot geliştirme problemine çözüm öneren yeni olasılıksal bir model geliştirdi.

Robotik ekibi bu çalışmada, daha önce 18 aylık bebeklerin, yetişkinlerin aksiyonlarındaki sonucu kestirip bu sonuca erişecek alternatif aksiyonlar geliştirebildiğini gösteren çalışmalar yapan, Washington Üniversitesi Psikoloji Bölümü Profesörü ve I-LABS yöneticisi Andrew Meltzoff ile ortak çalıştılar.

Örneğin, bebeklere bir yetişkinin bir oyuncağı ortadan ikiye ayırmaya çalıştığı gösterildi. Bu örnekte yetişkin oyuncağı ikiye ayıramıyordu, çünkü tutuş şeklinden dolayı elleri oyuncaktan kayıyordu. Bebekler amacın oyuncağı parçalamak olduğunu anlayıp alternatif bir yöntem geliştirdi: Oyuncağı uçlarından iyice kavrayıp oldukça sert çekerek parçaladılar.

Çocuklar amaç okuyucu yeteneklerini, fizik kurallarını ve aksiyonlarının nesneleri nasıl etkilediğini gözlemleyerek öğrenir. Meltzoff çocukların hızla bu bilgileri toplamasını oyunlar oynayarak hızlandırdıklarını söylüyor. “Anlamsız gözüken oyunlarla meşgul gibi gözükseler de, bebekler öğrenmelerini bu şekilde geliştirir. Bu bebeklerin gizli gücüdür. Bir bebek yeni bir oyuncağı çözmeye çalışırken, aslında daha önce oynadığı oyuncaklardan edindiği bilgi ve tecrübeleri kullanır. Oyunları sırasında aksiyonlarının dünyada nasıl değişiklikler yaptığının zihinsel bir modelini oluşturur. Yeni problemlerin çözümü ve başkalarının aksiyonlarındaki niyetlerinin keşfedilmesi de bu modelin varlığıyla mümkün olur” diyor.

Rao’nun ekibi de, bebekler üzerindeki bu çalışmayı, robotlara aksiyonlarının nasıl farklı sonuçlar oluşturduğunu göstermek için kullandıkları makine öğrenme algoritmasına temel olarak kullandılar.

Bu sonuçlara dayalı geliştirdikleri olasılıksal modeli, robotların bir insanın onlardan ne istediğini anlamalarını, hatta anlamadıkları durumlarda o insandan yardım istemelerini sağlamak için kullandılar.

Ekip modellerini iki senaryoda test etti: Bir insanın nereye baktığını anlayan bir bilgisayar simülasyonu ve farklı nesneleri bir masa üzerinde hareket ettiren bir insanı taklit eden gerçek bir robot.

İlk deneyde, simülasyon robot kendi kafa hareketlerinin bir modelini çıkarıyor ve karşısındaki insanın da aynı mekanizmaları kullandığı varsayımıyla deneye başlıyor. Daha sonra insanın kafa hareketinin başlangıç ve bitiş noktalarını takip edip nereye baktığını anlamaya çalışıyor. Sonunda da öğrendiği modeli kullanarak karşısındaki insanın baktığı yere bakıyor.

Bu deney içerisinde ekip Meltzoff’un orijinal deneylerden birini de gerçekleştirdi. Buna göre gözlerinin bağlanması ve görsel engellerin olması durumlarına aşina olan çocukların, gözleri bağlı bir yetişkinin kafasını çevirdiği yönle ilgilenmedikleri sonucuna varılmıştı; çünkü gözleri bağlı kişinin kafasını çevirmesine rağmen göremediği çıkarımını çocuklar yapabiliyordu. Ekip robota da gözlerinin bağlanması durumunda oluşacak sonuçları da öğrenmesini söylediklerinde, robotun karşısındaki gözleri bağlı kişinin kafa hareketini takip etmediğini gözlemledi. Meltzoff, “Bebekler kendi tecrübelerinin başkalarının davranışlarını açıklamak için kullanıyorlar, bizim robotumuz da tam olarak bunu yaptı” diyor.

İkinci deneyde, gerçek robotun, bir masa üzerindeki bazı nesneleri itme, kaldırıp taşıma gibi aksiyonları öğrenmek üzere tecrübe etmesini sağladılar. Robot bu tecrübelerinden bir model oluşturdu ve bu modeli bir insanı taklit etmek için kullandı. Tamamen taklit yerine, bazen robot farklı yöntemler kullanarak istenilen sonuca ulaştı.

Makalenin başyazarlarından Washington Üniversitesi Bilgisayar Bilimleri ve Mühendisliği Bölümü doktora öğrencisi Michael Jae-Yoon Chung “İnsanın nesneyi bir yerden diğerine ittirmesi durumunda, robotun bu işi kaldırıp taşıma ile yapması robot için daha mantıklı bir aksiyon olabilir. Bunun için robotun amacın ne olduğunu bilmesini gerektirir. Bizim çalışmamız da robotik alanında önemli bir problem olan bu konuyu inceliyor” diyor.

Bu deneyler basit işlemlerin modelinin çıkarılıp amaçların çıkarımına eğiliyor. Fakat ekip daha karmaşık işlemlerde robotun modellemesinin ne kadar başarılı olacağını araştırmayı hedefliyor. “Bebekler kendi oyunları ve başkalarını izlemeleri ile öğreniyor ve bebekler bildiğimiz en iyi öğrenici. Neden robotları da bebekler kadar rahat öğrenmeye programlamayalım ki?” diyor Meltzoff.

Bu araştırma, Donanma Araştırma Bürosu, Ulusal Bilim Vakfı ve Intel tarafından destekleniyor.

Makalenin diğer yazarları ise Washington Üniversitesi Bilgisayar Bilimleri ve Mühendisliği Bölümü doktora öğrencisi Abram Friesen ve profesörü Dieter Fox.