I robot di Google riconoscono e selezionano gli oggetti

Non è una novità: i tecnici di Google sono da tempo al lavoro nell’applicazione delle tecniche di machine learning alla robotica (vedere questi articoli sul machine learning): l’obiettivo è evidentemente quello di creare macchine sempre più “intelligenti”, capaci di sviluppare processi in qualche modo comparabili ai meccanismi alla base del funzionamento del cervello umano.

Grazie alla rete neurale convoluzionale allestita da Google, i robot possono simulare la visione umana e trarre informazioni utili da ciò che si trovano dinanzi. Imparando dai loro stessi errori, i robot contribuiscono al miglioramento della rete neurale consentendo alle altre macchine di compiere decisioni sempre più corrette.

Le reti neurali convoluzionali (deep neural networks, in inglese) usano architetture particolarmente efficaci per la classificazione delle immagini rendendo così molto più veloce la fase di addestramento.

I tecnici di Google hanno spiegato di aver messo al lavoro i loro robot per circa 3.000 ore. Durante tutto questo tempo, le macchine hanno compiuto ben 800.000 tentativi di scelta dei vari oggetti presentati loro. Dopo tale numero di prove, i responsabili del progetto hanno iniziato a rilevare quelli che vengono definiti comportamenti reattivi intelligenti.

I robot, insomma, hanno imparato dai loro stessi errori evidenziando, alla fine, un margine d’errore del 18% (ancora migliorabile).

Le macchine sono anche state addestrate in modo da sviluppare comportamenti diversi per situazioni differenti. È il caso, per esempio, della rimozione di un elemento da un gruppo di oggetti.