Dirbtinis intelektas ir humanoidinė robotika nuolat žengia į priekį, o naujausias Kolumbijos universiteto inžinierių sukurtas robotas EMO rodo, kaip arti realistiško bendravimo su mašinomis jau esame. Šis robotas mokėsi judinti lūpas prieš veidrodį ir žiūrėdamas vaizdo įrašus internete – dabar jis geba įtikinamai atkartoti žmogaus kalbą ir dainavimą.
Kolumbijos universiteto inžinieriai sukūrė inovatyvų robotą, pavadintą EMO, kuris gali itin tiksliai atkartoti sudėtingus žmogaus lūpų judesius, įskaitant smulkiausius artikuliacijos niuansus. Pasitelkus dirbtinį intelektą, mašina savarankiškai išmoko sinchronizuoti veido mimiką su kalbos garsais ir net dainavimu – be iš anksto suprogramuotų scenarijų.
Apie šį technologinį proveržį humanoidinės robotikos srityje išsamiai rašo mokslo populiarinimo leidiniai, pažymintys, kad EMO gebėjimai yra naujas žingsnis link natūralesnio žmogaus ir roboto dialogo.
Kaip robotas mokėsi šypsotis ir artikuliuoti žodžius?
Skirtingai nei tradiciniai robotai su kietomis, tik atsiveriančiomis ir užsiveriančiomis „žandikaulio“ konstrukcijomis, EMO aprūpintas minkštomis silikoninėmis lūpomis. Po dirbtine „oda“ veikia 26 varikliukai, suteikiantys 10 laisvės laipsnių ir leidžiantys atkurti itin subtilius lūpų ir veido judesius.
Mokymosi procesas prasidėjo nuo to, kad robotas „stebėjo“ pats save veidrodyje, eksperimentuodamas su veido išraiškomis – panašiai, kaip tai daro mažas vaikas, žaisdamas su savo atspindžiu. Vėliau sistema analizavo tūkstančius valandų „YouTube“ vaizdo įrašų su kalbančiais ir dainuojančiais žmonėmis, kad suprastų ryšį tarp skleidžiamo garso ir atitinkamų veido raumenų judesių.
Tokiu būdu EMO išmoko susieti konkrečius garsus ir žodžius su tam tikromis lūpų ir veido pozicijomis, todėl jo kalbėjimas atrodo gerokai natūralesnis, nei ankstesnių humanoidinių robotų.
Baimę keliantį „šiurpiosios slėnio“ efektą bandoma įveikti mimika
Ilgą laiką bandymai kurti žmogų primenančius robotus susidurdavo su vadinamuoju „šiurpiosios slėnio“ efektu – kai robotas atrodo beveik kaip žmogus, tačiau menkiausi netikslumai mimikoje ar judesiuose sukelia žiūrovams diskomfortą, nerimą ir net baimę.
Vienas iš dažniausių trikdžių buvo nenatūralus veido judesių ir kalbos sinchronizavimas: lūpos neužtikrintai „gaudydavo“ garsą, trūkdavo smulkių, mums įprastų detalių – mikrojudesių, šypsenos niuansų, kalbos pradžios ir pabaigos artikuliacijos.
EMO kūrėjai įsitikinę, kad itin tikslus lūpų ir veido judesių atkūrimas bei jų sinchronizavimas su kalba padeda sumažinti šį efektą ir palengvina emocinį ryšį tarp žmogaus ir roboto. Anot jų, sujungus tokią mimikos technologiją su didžiosiomis kalbos modeliais, pavyzdžiui, pažangiais pokalbių dirbtiniais intelektais, galima pasiekti naują žmogaus ir mašinos bendravimo lygį.
Kuo daugiau robotas bendraus su žmonėmis, tuo tiksliau jis galės atkartoti ne tik žodžius, bet ir emocinius gestus – šypseną, nuostabą, susirūpinimą. Tai gali paversti jį maloniu ir „gyvai“ atrodančiu pašnekovu, tinkamu naudoti švietime, paslaugų sektoriuje, terapijoje ar pagalbos srityse.
Dirbtinis intelektas mokosi atpažinti ne tik žmones
Humanoidinių robotų pažanga – tik viena iš daugelio sričių, kuriose šiandien taikomas dirbtinis intelektas. Pavyzdžiui, Šveicarijos ir JAV mokslininkai sukūrė unikalią sistemą PoseSwin, kuri veikia panašiai kaip veido atpažinimo technologija ir leidžia atskirti atskirus meškų individus pagal jų snukio bruožus.
Toks technologijų pritaikymas rodo, kad dirbtinis intelektas tampa vis tikslesnis ir lankstesnis – jis gali ne tik analizuoti tekstus ar vaizdus, bet ir suprasti sudėtingus judesius bei fizines išraiškas, tiek žmogaus, tiek gyvūnų pasaulyje.
