ロボ・ブレインはインターネットを貪り食っているわけではない。それは、ある程度の選択肢、つまり主体性を意味する。ロボ・ブレインの現状は、むしろ強制給餌に近い。4つの異なる大学の研究者が、インターネットから収集したデータをクラウドベースの計算システムに定期的に詰め込んでいるのだ。これまでに、約12万本のYouTube動画、100万件の文書、そして10億枚の画像を消化している。
目標はプロジェクト名と同じくらい明確です。つまり、ロボットが利用できる、集中管理された常時オンラインの脳を作成することです。Robo Brain がインターネットから学習すればするほど、接続されたマシンとより直接的な教訓を共有できるようになります。トースターの電源の入れ方。Robo Brain は機器と関連部品を認識しており、その 3D 画像を共有できます。コーヒーカップの形状や、中身をこぼさずに取っ手を持って運ぶ方法をロボットに指示できます。人間がテレビを見ているかどうかは、相対的な位置関係から判断し、テレビと人間の間をうろうろしないようアドバイスできます。Robo Brain は椅子やスツールを見て、これらが人が座るものだと認識します。これはコンテキストを理解し、複雑な関連付けを物理的なロボットへの直接的なコマンドに変換するシステムです。
これらのタスクがどれも特に印象的でも挑戦的でもないとしたら、それは人間にとってはそうではないからです。一方、ロボットはあらゆる認知的支援を必要とします。最も自律的な機械でさえ、事前に設定された狭い範囲の行動に従うだけで、広範囲にわたる、そしてしばしば費用のかかるトレーニングや再プログラミングなしには、新しい状況に適応する能力はほとんどありません。ロボットがどこにでも存在する社会貢献者になるためには、適応が不可欠です。例えば、高齢者介護ロボットは、電子レンジから湯気の立つスープを取り出す方法だけでなく、持ち主との関係において、それをテーブルのどこに置くべきかを理解する必要があるかもしれません。縞模様のカップが欲しいとか、もっと大きなスプーンが欲しいといった単純な要求でさえ、ロボットには到底理解できないかもしれません。
Robo Brainのソリューションは、広大で急速に拡大するフローチャートです。このシステムは、投入されたすべての情報をサイロ化し、特定の物理的動作をいつどのように実行するかを決定することに全力を注ぎます。Robo Brainは常に真剣です。スプーンやボウルには交差するノードがありますが、この職業集団意識にカントの著作が現れることを期待しないでください。この動作へのこだわりは、このプロジェクトを、ロボットが読み取り可能な知識の宝庫を構築するための継続的な非営利プロジェクトであるRoboEarthとほぼ同じ領域に位置付けています。しかし、重要な違いは、Robo Brainが自ら構築し、結論と関連する動作のネットワークに追加していくことです（RoboEarthのファイルは人間によって処理され、整理される必要があります）。また、Google Brainなどの他の「ディープラーニング」アプローチの人工知能とも異なります。人間のデータの認識と処理方法を模倣するのではなく、Robo Brainは情報を整理し、トピックをコンテキストごとにグループ化して関連付けます。椅子は椅子のサブセットに分解され、椅子の用途や他の種類の家具との関連性へと分岐します。コーヒーはマグカップと関連しており、液体を注ぐ動作計画にも関連しています。これは、具体的な指示を出すために、実際の知能のニュアンスを回避しながら、認知に対する力ずくのアプローチです。ロボットにコーヒーを持ってくるように指示すると、ロボットはロボ・ブレインに問い合わせを行い、関連する一連のコマンドを組み立てることができます。
しかし、システムの広大なグラフが成長を続けるにつれ、ロボ・ブレインは単なる知性の錯覚ではなく、本物に近づいているようだ。コーネル大学コンピュータサイエンス学科助教授のアシュトシュ・サクセナ氏によると、これまでで最も優れた例は、研究者がプロジェクトの3台のロボットのうち1台にアフォガートを作るように指示した時だったという。2本の腕を持ち、非常に器用なPR2ロボットは、システムに問い合わせを行い、アフォガートがアイスクリームとコーヒーでできたイタリアのデザートであることを発見した。人間が促したり介入したりすることなく、ロボットはコーヒーを見つけ出し、ディスペンサーからコーヒーを取り出す方法を理解し、くり抜いたアイスクリームに注いだ。
繰り返しますが、これは脳の大きな生物である私たちにとっては子供の遊びに過ぎません。ロボットにとって、比較的漠然とした要求に対して、一連の質問とコマンドで具体的かつ正しい結果へと繋がる能力は驚異的です。そして誤解のないよう言っておきますが、研究者がPR2にアフォガートやコーヒーの淹れ方を全て入力したわけではありません。ロボ・ブレインに送り込まれるデータはトピックごとに整理されていますが、DIYビデオ、取扱説明書、ハウツー文書といった生のものです。システムが出力する解決策も、一見即興のように見えました。「今のところ、4つの大学が知識をシステムに投入しているという意味で自動化されています」とサクセナ氏は言います。「私たちは他に何もする必要はありません。」
現在、ロボ・ブレインへの貢献は、ブラウン大学、コーネル大学、スタンフォード大学、カリフォルニア大学バークレー校の研究者から得られています。10月までにプロジェクトは合計10大学に拡大し、年末までにはどの大学からも申請が可能になります。サクセナ氏は、その時点でロボ・ブレインが10億本の動画と100億本の文書を処理し、クラウドコンピューティングのコストが1日あたり1,000ドルに達すると予想しています。GoogleやMicrosoftなどのスポンサーからの資金を含む現在の資金は約150万ドルで、システムを何年も稼働させるのに十分な額です。それでもサクセナ氏は、システムが真に運用可能な状態になり、変化をもたらす準備が整うまでには5年ほどかかる可能性があると見積もっています。
「私たちは完全にオープンソースで開発しました。他の大学のプログラムや企業とは異なり、私たちの目標は利益を上げることではありません」とサクセナ氏は語る。彼は、ロボ・ブレインの初期の主な受益者を高齢者介護と一般家庭向けロボットと見ている。「私たちは世界をより良い場所にしているのです。」
