Neurale netwerktechnologie
Elke dag is er nieuws over nieuwe toepassingen van neurale netwerken. Gemaakt in de VS
Kunstmatig neuraal netwerk (INS)— wiskundig model (evenals de software ervan).of hardware-uitvoering), gebouwd op het principe van de organisatie en het functioneren van biologische neurale netwerken - zenuwcellen van een levend organisme. Dit concept ontstond tijdens het bestuderen van de processen die in de hersenen plaatsvinden en bij het proberen deze processen te modelleren.
Er zijn veel toepassingen van deze technologie. Een neuraal netwerk zou bijvoorbeeld honden en katten moeten onderscheiden. Om het algoritme aan te passen, wordt een groot aantal ondertekende afbeeldingen van katten en honden gegeven. Het neurale netwerk analyseert de kenmerken van de objecten in deze afbeeldingen en bouwt een herkenningsmodel dat het percentage fouten ten opzichte van de referentieresultaten minimaliseert.
Trouwens, wanneer Google je vraagt om dat te bevestigenje bent geen robot, en let op de verkeerslichten of bussen, je slaagt niet voor een elementaire test voor cognitieve vaardigheden, maar leert het neurale netwerk om objecten van weginfrastructuur te onderscheiden. Het systeem zal worden gebruikt in drones.
Het gebruik van neurale netwerken is onbeperkt.Echter, het meest gebruikt in neurale netwerken van robotica, gevonden in stemassistenten en interactie met mensen. Neurale netwerken bieden nauwkeurige antwoorden op vragen. De kwaliteit van de spraakassistent hangt ervan af. Onder de stemassistenten zijn Alexa van Amazon, Cortana van Microsoft en Siri van Apple te herkennen. Onder de Russische stemassistenten zijn 'Alice' van Yandex.
Hoe beter een neuraal netwerk wordt getraind, hoebeter, het selecteert antwoorden op verzoeken van de gesprekspartner: begrijpt de omgekeerde woordvolgorde, context en indirecte zoekopdracht. Deze richting zal een van de meest veelbelovende in de ontwikkeling van de toekomst zijn. Naarmate internet sociale processen verandert, zijn de snelheid van informatieoverdracht en het algemene tempo van het leven enorm toegenomen. Maar de man wordt steeds eenzamer. Een begeleidende robot zal relevant worden, die zal voldoen aan de behoefte aan communicatie, begrip en ondersteuning.
Digitale metgezellen verschijnen al in Japan,wiens functionaliteit verder gaat dan eenvoudige consultants. Ze worden helpers, vrienden en zelfs vrouwen. Het Westen loopt ook niet ver achter: 47 miljoen mensen in de Verenigde Staten (bijna 20% van de totale volwassen bevolking) gebruiken slimme luidsprekers, Amazon Echo of Google Alexa. Bovendien gebruiken ze op basis van recent onderzoek slimme luidsprekers, niet alleen om ze opdrachten te geven. 25% neemt ze mee naar bed, 20% maakt grapjes, 15% gebruikt als kindermeisje voor kinderen - de column vertelt sprookjes en helpt het kind af te leiden.
De mogelijkheid om de dialoog te onderhouden is een van de belangrijkste vereisten voor robotsen een van de meest veelbelovende en gewilde ontwikkelingsgebieden.
Spraakherkenningssysteem
Een ding is om gewoon het antwoord op het verzoek op te pakken, maarhet is veel moeilijker om het verzoek van de gesprekspartner te horen en te ontcijferen. De nauwkeurigheid wordt beïnvloed door alle elementen van het spraakherkenningssysteem: het trainingsvoorbeeld en de herkenningsalgoritmen zelf.
De kwaliteit van de audiostream wordt beïnvloed - de verhoudingsignaal / ruis, spraakverstaanbaarheid en volume. Moderne systemen proberen het "ongehoorde" aan te vullen door middel van taalmodellen - elke taal heeft zijn eigen stabiele uitdrukkingen en stabiele woordbundels.
Dat is wanneer ze dat zeggen voor erkenningcontext wordt gebruikt, dan is het duidelijk dat er een aanpassing is voor herkenning met aanvullende gegevens, bijvoorbeeld specifieke gebruikszinnen, zoals in slimme kolommen, of het gebruik van een specifiek woordenboek voor een specifiek onderwerpgebied.
Nauwkeurigheid of herkenningskwaliteit wordt geteld alsde verhouding van correct herkende woorden tot het aantal van alle gesproken woorden, voegt ook de metriek van valse herkenningen toe als de verhouding van verkeerd herkende woorden tot alle herkende woorden.
LG introduceerde in 2018 zijnthuisassistent. David Vanderwal, senior marketingdirecteur, probeerde op het podium Cloi, de nieuwe thuisassistent van LG, te demonstreren. De grootte van een klein infuus koffiezetapparaat, Cloi zou op de tafel moeten liggen, ze heeft geen handen en wielen, haar hoofd draait en knikt tijdens een gesprek. Dit is een stemassistent die is ontworpen om je te helpen je leven te organiseren.
Op het podium vroeg Vanderwal aan Cloi wanneerhet wassen zal eindigen - een relatief eenvoudig verzoek moest aantonen wat voor soort assistent LG van plan is te verkopen. Cloi verbaasde als reactie.
"Zelfs robots hebben zware dagen," probeerde hijlach het af Vandervol. - Dus als we weten wanneer het wassen stopt, kunnen we de werking van de wasmachine synchroniseren met de droger en onthouden dat we kip in de koelkast hebben, die na drie dagen verloopt. Het lijkt erop dat we het moeten koken. Cloi, ga het gesprek aan: wat kan ik van een kip maken. '
Maar zelfs Cloi zei niets tegen deze zin.
Het is niet bekend wat de oorzaak van de storing is: een grote ruimte met akoestiek, de kwaliteit van de internetverbinding of fouten in de software. Hoe dan ook, de robotleider tussen mens en apparatuur werkte gewoon niet.
Google wordt beschouwd als het vlaggenschip van de industrie - al veelAl jaren ontwikkelt hij zich op dit gebied en bereikt hij de hoogste nauwkeurigheid en stabiliteit van herkenning. In de zomer presenteerde hij een bijgewerkte stemassistent - en stelt dat de herkenningsnauwkeurigheid (Engels) vergelijkbaar is met die van de mens. Om een verzoek te verwerken en een relevant antwoord te geven, duurt het Google-systeem niet langer dan een seconde.
"Promobot"
Om het herkenningssysteem van te gebruikenGoogle moet licenties aanschaffen en het is vrij duur. Bovendien kan een spraakherkenningsapparaat worden gebruikt in een breed scala aan omgevingen. De herkenningsparameters voor de thuisassistent en de robot zijn verschillend op plaatsen met hoge concentraties mensen. En de details proberen rekening te houden met de ontwikkelaars van Promobot - ze ontwikkelen een systeem van microfoonarrays en offline herkenning. Hierdoor zullen robots minder afhankelijk zijn van de kwaliteit van de internetverbinding en een goed gesprek voeren met zowel onstabiele verbindingen als in lawaaierige omgevingen.
Gezichts- en emotiedetectietechnologie
Om een kwaliteit te organiserenDe interactie tussen mens en robot, het is noodzakelijk om te begrijpen wie er voor de machine staat en welke emoties een persoon ervaart. Met dergelijke gegevens kan hij de meest effectieve communicatiestrategie kiezen om relevante aanbiedingen te doen. Bijvoorbeeld om korting te geven op uw favoriete ijs, zodat u niet verdrietig bent, of om een promotie te melden op de cosmetica-afdeling als de robot een meisje voor u ziet.
Het Russische bedrijf VisionLabs biedt het meesteverschillende takken van toepassing van deze technologie. Met het LUNA-gezichtsherkenningsplatform kan de eigenaar de auto openen zonder sleutel en betalen voor aankopen met een selfie. Gezichtsherkenning van VisionLabs is geïmplementeerd in het Sberbank schooltoegangssysteem, dat wordt gebruikt om een student te verifiëren tijdens examens aan het Moscow Institute of Psychoanalysis.
Als we het hebben over de herkenning van emoties, is dat het welgeclaimd door de industrieën waar de service wordt verwacht. Alfa Bank test bijvoorbeeld het emotieherkenningssysteem van een klant. Het algoritme analyseert de gezichtsuitdrukking van de bezoeker, nadat de service een schatting geeft. Dus krijgt de bank feedback zonder toevlucht te nemen tot enquêtes en interviews.
Promobot en Neurodata Lab lanceerden een piloteen project van een empath-robot die tot 20 emotionele toestanden van een persoon kan herkennen. In overeenstemming met de herkende emotie, zal de robot communicatie opbouwen - om de gesprekspartner aan te moedigen of gerust te stellen, zal hij grappen en stoutmoedig beginnen als hij een positieve reactie ziet. Terwijl het project zich in de testfase bevindt, is de robot echter al voorgelegd aan CES-2019.
Navigatiesysteem
Afhankelijk van de taken zijn er buiten- enindoor technologie Buitennavigatie is nodig voor onbemande voertuigen en vliegtuigen, binnennavigatie is voor beveiligings- en servicerobots in gebouwen.
Vandaag zijn er twee soorten navigatie: wereldwijd en lokaal. Wereldwijd suggereren navigatie door satellietsystemen, er is veel vraag naar buitenshuis, maar niet geschikt voor binnen. Er is niet altijd een verbinding en een lage nauwkeurigheid van de positieweergave. Lokale systemen omvatten navigatie via ultrasone, optische en infraroodsystemen. Bestaande systemen zijn duur, dus de belangrijkste uitdaging voor 2019 zal zijn om hun prijzen te verlagen.
Bijvoorbeeld het sensorsysteem voor auto Teslakost een paar honderdduizend dollar. Maar vanwege de grote distributie van auto's met stuurautomaat, daalden de kosten van lidar als gevolg van de overgang van een niche en duur product naar een wijdverbreid gebied. En ook met de komst van betaalbare en goedkope magnetronoplossingen in robotica, worden millimetergolfradars gebruikt, die voorheen alleen beschikbaar waren als een dure premium auto-optie.
Startup Marvelmind heeft bijvoorbeeld een zeer nauwkeurige gemaakt$ 349 indoor navigatiesysteem. De werking ervan vereist echter vier stationaire bakens en één mobiel baken, waardoor het moeilijk is om het in grote gebieden en buitenshuis te gebruiken.
Navigatieapparaten van Marvelmind
Als we het in de gebruikelijke zin over robots hebben, danOm de robot "Promobot" onafhankelijk te laten bewegen, zonder botsingen, gebruiken de ontwikkelaars bijna alle soorten metingen: echografie, infrarood korteafstandssensoren, lidars. Dit biedt het maximale beveiligingsniveau voor de beweging van de robot.
Informatie beveiliging
Zorgen voor beveiliging is de belangrijkste richting van robotica. Na de afname van euforie over robots, begonnen mensen na te denken over de beveiliging van zichzelf en hun gegevens.
Trends van informatiebeveiligingsbedreigingen in het veldRobotica wijkt in het algemeen niet sterk af van de gangbare in de informatieomgeving. De ontwikkeling van het internet der dingen heeft de actieve distributie van botnetnetwerken beïnvloed, wat helaas ook relevant is voor het overweldigende aantal robotapparaten.
Fabrikanten verwaarlozen vaak ernstige bescherming tegen cyberdreigingen of verwaarlozen deze zelfs, wat leidt tot het gebruik van robots voor spionage, phishing of gegevensdiefstal.
Onlangs onderzoekers van Positive Technologiesmerkte op dat robotstofzuigers hun eigenaars afluisteren en deze informatie via internet doorgeven - en ze kunnen zelfs cryptocurrency ontginnen. Met behulp van beveiligingsproblemen kan een aanvaller vertrouwelijke gegevens onderscheppen via netwerkverkeer: het zijn niet alleen uw foto's, maar zelfs de bankrekeninggegevens.
Aan het begin van het jaar werd een rapport gepubliceerdkwetsbaarheden robot Pepper. De experts slaagden erin om bestanden van derden over te dragen naar het apparaat zonder authenticatie en zelfs in te loggen op het superuser-account. Ze konden ook betalingsinformatie, gegevens van videocamera's en microfoons onderscheppen.
In termen van ernst, vandaagHet probleem is het meest acuut op het gebied van industriële robotica. Eind 2018 is het aantal aanvallen op informatienetwerken van Russische geautomatiseerde procesbesturingssystemen hoger dan op banken of individuen, en resonerende situaties met coderingsvirussen bevestigen dat zelfs kerncentrales het slachtoffer kunnen worden van cyberaanvallen.
Een oplossing voor dit probleem kan het gebruik van AI voor beveiligingsbeheer zijn, dat nu al geleidelijk wordt geïmplementeerd door toonaangevende fabrikanten van antivirussystemen.
In de komende jaren echter het aantalrobots die we elke dag tegenkomen, zullen aanzienlijk toenemen. Menselijke veiligheid is afhankelijk van dit criterium - een belangrijk gebied, wereldrobots zullen hier zo vroeg mogelijk aandacht aan besteden.
Het aantal geautomatiseerde processen groeit, enhet betekent dat steeds meer robots ons dagelijks leven binnendringen. Vereisten voor de kwaliteit van het werk van robots nemen toe naarmate ze het niveau van de infrastructuureenheid bereiken, en niet van wonderen en eigenaardigheden. Met de ontwikkeling van de meest gevraagde takken van robotica is het noodzakelijk om de kwaliteit van het werk van stemassistenten te verbeteren, inclusief spraakherkenning, de kwaliteit van verwerkingsverzoeken en het beantwoorden daarvan. Voor de distributie van UAV's en servicerobots is het noodzakelijk om de kosten van navigatiesystemen te verlagen. Voornamelijk om de veiligheid van mensen en hun gegevens te waarborgen bij interactie met robots, is het noodzakelijk om alle beveiligingskwetsbaarheden te elimineren. Dit zijn de belangrijkste uitdagingen voor 2019.