Hvorfor Bør Du Ikke Forvente At Se 'Blade Runner' Replicants Når Som Helst Snart

{h1}

Hvorfor har vi ikke intelligente robotter, der virker menneskelige, som replikanterne i "blade runner"?

Fans af 1982-sci-fi-noir-thrilleren "Blade Runner" måtte vente mere end et kvart århundrede til opfølgningsfilmen "Blade Runner 2049", der åbnede i amerikanske teatre den 6. oktober. Men de vil sandsynligvis må vente meget, meget længere tid for at se nogen form for filmens menneskelige imiterende androider - kaldet "replikanter" - i den virkelige verden fortalte eksperter WordsSideKick.com.

Den oprindelige film blev sat i år 2019, og "Blade Runner 2049" finder sted kun 30 år senere. Men selvom de to filmers rige eksisterer i den ikke-fjerntliggende fremtid, repræsenterer replikanter forbavsende sofistikeret teknologi i forhold til det, der er tilgængeligt i dag. Disse androider er praktisk taget uforskelbare fra folk - de bevæger sig, taler og opfører sig som mennesker gør, og de er programmeret til at være autonome, selvstændige og selv bemærkelsesværdigt selvbevidste.

Dagens ingeniører og programmører har gjort store fremskridt inden for robotik og kunstig intelligens (AI) siden den første "Blade Runner" -film debuterede, men udsigten til menneskelige lignende replikanter virker stadig så fjern som det var for 35 år siden. Hvor tæt er vi på at udvikle robotter, der kan passere for mennesker? [Opskrift på en replikant: 5 trin til at opbygge en Blade-Runner-Style Android]

I årtier har programmører arbejdet for at udvikle computersystemer kaldet neurale netværk. Disse systemer danner forbindelser på samme måde som den menneskelige hjerne gør, og kan bruges til at træne en computer til at lære bestemte opgaver. Og mens computere endnu ikke er i stand til at efterligne en fuldt fungerende menneskelig hjerne, har de vist en voksende evne til at "lære" at gøre ting, der tidligere var troet at være umulige for maskiner.

Ridder tager røg

I 1997 demonstrerede en IBM-computer ved navn Deep Blue for første gang, at kunstig intelligens kunne "tænke" sin vej til sejr mod en menneskelig skakkamp. Klar til at udforske op til 200 millioner mulige skakbevegelser pr. Sekund, Deep Blue besejrede skakkampioen Garry Kasparov i en kamp i seks kampe spillet over flere dage. Ved at slå Kasparov viste Deep Blue at computere kunne lære at lave komplekse og strategiske valg ved at henvise til en stor database med mulige svar, ifølge IBMs hjemmeside.

En anden IBM-computer, der hedder Watson, tog en endnu mere kompliceret opgave i 2011 og konkurrerede mod menneskelige deltagere på tv-quizshowet "Jeopardy!" og besting to tidligere mestere. Watsons "hjerne" var mere sofistikeret end Deep Blue's, der behandlede spørgsmål stillet i naturligt sprog og præsenterede svar trukket fra dataindgang, der spændte måneder før konkurrencen, ifølge IBM.

Så i 2016 fik AI-gameplay en betydelig opgradering, da et AI-system kaldet AlphaGo besejrede en menneskelig spiller i et spil Go, som mange troede at være det mest komplicerede strategispil, der nogensinde blev opfundet af mennesker. AlphaGo lærte at blive en mester spiller ved at "se" millioner af spil og bruge to typer neurale netværk: en til at vurdere status for et spil og en til at bestemme sit næste træk, forklarede programmørerne på en pressekonference det pågældende år.

For nylig har neurale netværk endda gjort det muligt for computere at udforske kunstneriske formål, som f.eks. At komponere en ferie sang, der skaber billeder af dinosaurer, der udelukkende er udført af blomster og uddyber fem kapitler i en "roman", der fortsætter sagens "Game of Thrones".

At leve er sværere

Men sci-fi-historier forklarer sjældent, hvad der sker under en androids hætte, og at passere for "menneske" er sværere end det ser ud. For et neuralt netværk til at koordinere realistisk fysisk aktivitet i en robotkrop sammen med interaktioner, der korrekt bruger følelsesmæssige bøjninger og sociale nuancer, ville det kræve, at programmører indlæser massive mængder data og ville have brug for forarbejdningskapacitet langt ud over de af enhver AI omkring i dag, Janelle Shane, en ingeniørforsker, der uddanner neurale netværk, fortalte WordsSideKick.com. [Machine Dreams: 22 Human-Like Androids fra Sci-Fi]

"Verden er så varieret - det er en af ​​vanskelighederne," sagde Shane. "Der er så mange ting, som et neuralt netværk kan støde på."

"Du kan træne et neuralt netværk for at være rimeligt godt til enkle opgaver, men hvis du forsøger at få dem til at lave mange forskellige opgaver på én gang - tale, genkende et objekt, bevægende lemmer - hver af dem er et meget hårdt problem. Det er svært at forudse, hvad de kan støde på og få dem til at tilpasse sig det, "sagde hun.

Mackenzie Davis spiller Mariette, en replikant sexarbejder, i

Mackenzie Davis spiller Mariette, en replikant sexarbejder, i "Blade Runner 2049."

Kredit: Hilsen Alcon Entertainment

Shane har programmeret neurale netværk til at gøre tingene, der lader ganske enkle, sammenlignet med et replikants repertoire: genererer navne til malingfarver eller marsvin eller samler staver til rollespillet "Dungeons and Dragons" (D & D). Til stavereksperimentet indarbejdede Shane en database med 1.300 eksempler til at undervise det neurale netværk, hvad en D & D-spell skal lyde som. Alligevel var nogle resultater mærkeligt ulige, fortalte hun WordsSideKick.com.

"Jeg havde en hel række staver - jeg er stadig ikke sikker på hvorfor - det hele drejede sig om ordet" Dave ", som ikke var i det oprindelige datasæt," sagde Shane.Staverne, som er opført på hendes hjemmeside, inkluderer "Dave's Chorus", "Dave's Charm", "Dave Storm" og "Hail to the Dave." Der var også en Dave-mindre men stadig forvirrende navngivet "Mordenkainens lucubrabibibicic angion".

"Det var en succes med hensyn til at være underholdende, men det var ikke en succes med hensyn til at lyde som guiderne, der opfinder D & D magi," sagde Shane.

Kroppen elektrisk

I de seneste årtier har der også været fremskridt inden for designs af humanoide, bipedale robotlegemer, selvom de stadig er langt fra de menneskelige lignende replikanter. Nylige designinnovationer giver imidlertid mulighed for at integrere flere bløde dele i robotter for at hjælpe dem med at bevæge sig mere som folk gør, siger Hod Lipson, professor i maskinteknik og datalogi på Columbia University i New York.

"Vi har været fast i dette hjørne af hvad der er muligt i robotik, simpelthen fordi vi kun har haft adgang til stive, stive komponenter: hårde motorer, metalstykker, hårde led," fortalte Lipson WordsSideKick.com. "Men hvis man ser på biologi, ser man at dyr hovedsagelig er lavet af bløde materialer, og det giver dem mange muligheder, som robotter ikke har."

Lipson og hans kolleger har for nylig designet en 3D-trykt blød "muskel" til robotter - en mekanisme til bevægelseskontrol kendt som en "aktuator", siger Lipson. Fremstillet af syntetiske materialer, aktuatoren er fleksibel, elektrisk aktiveret og ca. 15 gange stærkere end en menneskelig muskel. En aktuator som denne, der kan bevæge sig som reaktion på en stimulus, var "næsten et manglende link, når det kommer til fysisk robotik," sagde Lipson.

(L) Den elektrisk aktiverede muskel med tynd resistiv ledning i hvilestilling; (R) Muskelen er udvidet.

(L) Den elektrisk aktiverede muskel med tynd resistiv ledning i hvilestilling; (R) Muskelen er udvidet.

Kredit: Aslan Miriyev / Columbia Engineering

"Vi har løst mange andre ting, men når det kommer til bevægelse, er vi stadig ret primitive," sagde han. "Det er ikke, at aktuatoren, som vi har nået, nødvendigvis skal løse alt, men det adresserer helt sikkert et af de svage punkter i denne nye slags robotik."

I løbet af det sidste årti har slående levendeagtige robotter, der er klædt i kunstig hud, vist sig kort på konferencer eller er blevet testet i studier, men der er en god grund til, at vi ikke har set nogen at gå på gaderne - endsige at udføre de spektakulære akrobatiske feats demonstreret af replikanter, Sagde Lipson.

"Roboter kan virkelig ikke håndtere ustrukturerede fysiske omgivelser meget godt. Der er et stort hul der," sagde han.

"I mange af disse film springer vi på en eller anden måde spørgsmålet om, hvordan du laver disse maskiner i virkeligheden," tilføjede Lipson. "Ingen har nogen anelse om, hvordan man laver en maskine, der er skarp, der kan gemme strøm inde og gå i dagevis.

"Hvis jeg var nødt til at forudsige fremtiden, tror jeg, at vi snart kommer til menneskehensniveauet i AI," sagde han. "Men når det kommer til kroppen, vil det tage et andet århundrede."

Originalartikel på WordsSideKick.com.


Video Supplement: .




DA.WordsSideKick.com
All Rights Reserved!
Reproduktion Af Materialer Tilladt Kun Prostanovkoy Aktivt Link Til Webstedet DA.WordsSideKick.com

© 2005–2019 DA.WordsSideKick.com