Shakey roboten-komplett historia av Shakey roboten

Charles Rosen med Shakey i 1983

Charles Rosen med Shakey 1983

Shakey, den första mobila roboten med förmågan att uppfatta och resonera om sin omgivning, skapades I slutet av 1960-talet i Stanford Research Institute (SRI) av en grupp ingenjörer, förvaltade av Charles Rosen, eftersom projektet finansierades av Defense Advanced Research Projects Agency (DARPA).

i November 1963 drömde Charles Rosen, som grundade Machine Learning Group på SRI, upp världens första mobilautomat. Nästa år föreslog Rosen att bygga en robot som kunde tänka sig själv, men hans ide möttes med skepsis av många i det växande AI-fältet. Samma år ansökte Rosen om finansiering till DARPA, som beviljar medel för utveckling av ny teknik. Det tog Rosen två år att få finansieringen (DARPA beviljade forskarna 750000 dollar – mer än 5 miljoner dollar i dagens pengar), och det tog sex år till, fram till 1972, innan ingenjörer vid SRI AI Center slutade bygga Shakey.

huvudmoduler i Shakey

Huvudmodulerna i Shakey

Shakey var lite mindre än två meter lång och hade tre sektioner. Längst ner var en hjulplattform (två stegmotorer, en ansluten till var och en av de sidmonterade drivhjulen) som gav roboten sin rörlighet och kollisionsdetekteringssensorer. Ovanpå det var det som såg ut som tre skjutbara enheter i ett rack. De höll robotens kamerakontrollenhet och den inbyggda logiken. Staplade på den översta enheten var en avståndsmätare och en TV-kamera och en radioantenn som sticker ut från toppen.

en radiolänk kopplade Shakey till en dator, som kunde bearbeta inkommande data och skicka kommandon till kretsarna som styrde robotens motorer. Ursprungligen användes en SDS (Scientific Data Systems) 940-dator. Runt 1969 ersatte en kraftfullare DEC PDP-10 SDS 940. PDP – 10 använde ett stort magnetiskt trumminne (med storleken på ett kylskåp, höll cirka 1 megabyte) för att byta tidsdelade jobb in och ut ur fungerande kärnminne.

Shakey använde Lisp-programmeringsspråket, liksom FORTRAN, och svarade på enkla engelskspråkiga kommandon. Ett kommando att rulla 2,1 fot skulle se ut så här:
SHAKEY = (ROLL 2.1)
andra kommandon inkluderade TILT, PAN, men det fanns också Goto-uttalanden (som istället för att hoppa till en ny position i koden) skulle faktiskt få Shakey att gå till en ny position i den verkliga världen.
SHAKEY = (GOTO D4)
vilket är viktigare, Shakey själv skulle först planera den rutt det skulle ta, till och med plotta en kurs runt hinder. Och det kan utföra andra användbara uppgifter, som rörliga lådor.
SHAKEY = (tryck på BOX1 = (14.1, 22.7))

Shakey i tidningen Life av 20 Nov 1970

Shakey i Life Magazine den 20 november 1970

Shakey presenterades i en omfattande artikel i Life Magazine den 20 november 1970 (se den övre bilden). En del av artikeln är som följer:
det såg vid första anblicken ut som en bra Humorvagn som Tyvärr behövde ett vårfärgjobb. Men istället för en tinkly liten klocka ovanpå sin lådformade kropp fanns det denna stora mekaniska whangdoodle som kom upp, full av linser och kablar, som en skräpskulptur gargoyle.
”Möt skakigt”, sa den unga forskaren som visade mig genom Stanford Research Institute. ”Den första elektroniska personen.”
jag letade efter en glimt i forskarens öga. Det fanns inga. Sober som en ekvation satte han sig vid en ingångsterminal och skrev ut en kortfattad instruktion som matades in i Shakys ”hjärna”, en dator som inrättades i ett närliggande rum: skjut blocket från plattformen.
något inuti skakigt började brumma. Ett stort glasprisma formad som en tjock bit paj och satt i mitten av det som passerade för hans ansikte snurrade snabbare och snabbare tills det löstes upp i en bländning, då gjorde hans överbyggnad en långsam 360 graders vändning och hans ansikte lutade sig framåt och tycktes stirra på golvet. När Brummen steg till en whir, rullade skakig långsamt ut ur rummet, roterade sin överbyggnad igen och vände vänster ner i korridoren ungefär fyra mil i timmen och stirrade fortfarande på golvet.
”guidar sig själv genom att titta på baseboards”, förklarade forskaren när han skyndade sig att fortsätta. Vid varje öppen dörr stannade skakig, vände på huvudet, inspekterade rummet, vände sig bort och gick på tomgång till nästa öppna dörr. I det fjärde rummet såg han vad han letade efter: en plattform en fot hög och åtta fot lång med ett stort träblock som satt på den. Han gick in, stannade sedan kort i mitten av rummet och stirrade i ungefär fem sekunder på plattformen. Jag stirrade på det också.
” han kommer aldrig att göra det.”Jag tyckte att jag tänkte” hans hjul är för små. ”Allt på en gång fick jag gåskött. ”Skakig,” insåg jag, ” tänker samma sak som jag tänker!.”
Shaky tänkte också snabbare. Han roterade huvudet långsamt tills hans öga vilade på en bred grund ramp som låg på golvet på andra sidan rummet. Whirring brisky, han korsade till rampen, halvcirklade den och tryckte sedan den rakt över golvet tills rampens höga ände träffade plattformen. Rullande tillbaka några meter, han höljde situationen igen och upptäckte att endast ett hörn av rampen rörde plattformen. Rullande snabbt till den bortre sidan av rampen, han knuffade det tills gapet stängd. Sedan svängde han runt, laddade uppför sluttningen, placerade blocket och tryckte försiktigt av plattformen.
jämfört med de glamorösa elektroniska älvorna som rullar över tv-skärmar, kanske Shaky inte verkar så mycket. Inga dödsstråleögon, ingen hemlig transistoriserad lust för nubile labbtekniker. Men i själva verket är han en historisk prestation. Den uppgift jag såg honom utföra skulle beskatta talangerna hos ett livligt 4-årigt barn, och de män som under de senaste två åren har lett upp det skakiga projektet—Charles Rosen, Nils Nilsson och Bert Raphael—säger att han är kapabel till mycket mer sofistikerade rutiner. Beväpnad med rätt enheter och programmerad i förväg med grundläggande instruktioner, kunde Shaky resa om månen i flera månader i taget och utan ett enda pip av riktning från jorden kunde han samla stenar, borra kärnor, göra undersökningar och fotografier och till och med bestämma sig för att lägga plankbroar över sprickor som han hade bestämt sig för att korsa.
centrum för all denna invecklade aktivitet är Shakys ”hjärna”, en anmärkningsvärt programmerad dator med en kapacitet på mer än 1 miljon ”bitar” av information. I motsats till den lugnande konventionella uppfattningen att datorn bara är en förhärligad kulram, kan det omöjligt utmana det mänskliga förnuftets monopol. Shakys hjärna visar att maskiner kan tänka. Olika definierade inkluderar tänkande processer som” utövar domens befogenheter ”och” reflekterar i syfte att nå en slutsats.”I vissa på dessa avseenden—bland dem återkallelse och matematisk smidighet–kan Shakys hjärna tänka bättre än det mänskliga sinnet.
Marvin Minsky från MITs projekt Mac, en 42-årig polymath som har gjort stora bidrag till artificiell intelligens, berättade nyligen för mig med tyst säkerhet: ”om tre till åtta år kommer vi att ha en maskin med den allmänna intelligensen hos en genomsnittlig människa. Jag menar en maskin som kommer att kunna läsa Shakespeare, smörja en bil, spela kontorspolitik, berätta ett skämt, ha en kamp. Vid den tidpunkten kommer maskinen att börja utbilda sig med fantastisk hastighet. Om några månader kommer det att vara på genial nivå och några månader efter det kommer dess befogenheter att vara oöverskådliga.”
jag var tvungen att le på min omedelbara trovärdighet—det nervösa slags leende som kommer när du inser att du har tagits in av en smart bit av science fiction. När jag kollade Minskys profetia med andra människor som arbetade med artificiell intelligens, sa många på dem dock att Minskys tidtabell kan vara något önskvärd—”ge oss 15 år” var en vanlig anmärkning—men alla var överens om att det skulle finnas en sådan maskin och att den kunde fälla ut den tredje industriella revolutionen, utplåna krig och fattigdom och rulla upp århundraden av tillväxt inom vetenskap, utbildning och konst. Samtidigt fruktar ett antal datavetenskapare att godsend kan bli en Golem. ”Människans begränsade sinne”, säger Minsky, ” kanske inte kan kontrollera sådana enorma mentaliteter.”
intelligens i maskiner har utvecklats med överraskande hastighet. Det var bara 33 år sedan som en matematiker vid namn Ronald Turing bevisade att en dator, som en hjärna, kan bearbeta alla slags information—ord såväl som siffror, ideer lika lätt som fakta; och nu är det skakigt, med en inre kärna som liknar människans centrala nervsystem. Han består av fem stora system av kretsar som motsvarar ganska nära hur mänskliga fakulteter–sensation, förnuft, språk, minne, ego och dessa fakulteter samarbetar harmoniskt för att producera något som faktiskt beter sig väldigt mycket som en rudimentär person.
Shakys minnesfakultet, konstruerat efter en modell som utvecklats vid MIT tar input från Shakys videoöga, optisk avståndsmätare, telemeteringsutrustning och beröringskänsliga antenner; smak och hörsel är de enda sinnena som Shaky hittills inte har. Denna ingång dirigeras sedan genom en” mental process ” som känner igen mönster och berättar skakigt vad han ser. Ett punkt-för-punkt-intryck av videoingången, ungefär som bilden på en TV-skärm, är konstruerad i Shakys hjärna enligt lagarna för Analytisk geometri. Mörka områden är separerade från ljusa områden, och om två av dessa kontrasterande områden råkar mötas längs en tillräckligt skarp linje, känns linjen som en kant. Med några kanter för ledtrådar kan Shaky vanligtvis gissa vad han tittar på (precis som människor kan) utan att bry sig om att fylla i alla funktioner på objektets dolda sida. Faktum är att konsten att känna igen mönster nu är så långt avancerad att bara genom att lägga till några ekvationer kan Shakys skapare lära honom att känna igen ett välbekant mänskligt ansikte varje gång han ser det.
när det väl har identifierats överförs det som skakigt ser för att behandlas av den rationella fakulteten-det kluster av kretsar som faktiskt gör hans tänkande. Föregångarna till Shakys rationella fakultet inkluderar ett checkerspelande datorprogram som kan slå alla utom några av världens bästa spelare, och Mac Hack, ett schackspelprogram som redan kan spela ut några begåvade amatörer och om fyra eller fem år kommer förmodligen att behärska mästarna. Liksom dessa program tänker Shaky i matematiska formler som berättar för honom vad som händer i var och en av hans fakulteter och i så mycket av världen som han kan känna. Till exempel, när utrymmet mellan väggen och skrivbordet är för liten för att underlätta genom, Shaky är smart nog att veta det och att räkna ut ett annat sätt att få när han går.
skakig är inte begränsad till att tänka i strikt logiska former. Han lär sig också att tänka analogt—det vill säga att göra sig hemma i en ny situation, mycket som människor gör, genom att hitta i det något som liknar en situation som han redan vet, och på grundval av denna likhet att fatta och genomföra beslut. Till exempel, att veta hur man rullar upp en ramp på en plattform, en något mer avancerad skakig utrustad med ben istället för hjul och med ett liknande problem kan mycket snabbt räkna ut hur man använder Steg för att nå plattformen.
men när skakiga växer och hans beslut blir mer komplicerade, mer som beslut i verkligheten, kommer han att behöva ett sätt att tänka som är mer flexibelt än antingen logik eller analogi. Han kommer att behöva ett sätt att göra den typ av geniala, praktiska ”mjukt tänkande” som kan stoppa luckor, hugga knutar, göra det bästa av dåliga situationer och till och med, när tiden är kort, lösa ett problem genom att göra en skarp gissning.
vägen mot ”mjukt tänkande” har kartlagts av grundarna av artificiell intelligens, Allen Newell och Herbert Simon från Carnegie-Mellon University. Innan Newell och Simon löste datorer (eller misslyckades med att lösa) icke-matematiska problem genom en hopplöst tråkig process av försök och fel. ”Det var som att leta upp ett namn i en storstads telefonbok som ingen har brytt sig om att ordna i alfabetisk ordning.”säger en datavetare. Newell och Simon räknade ut ett enkelt schema-modellerat, säger Minsky, om ”hur Herb Simons sinne fungerar.”Med Newell-Simon-metoden söker en dator inte omedelbart efter svar, men är programmerad att sortera igenom allmänna kategorier först och försöker hitta den där problemet och lösningen troligen skulle passa. När rätt kategori hittas fungerar datorn sedan inom den, men rotar inte oändligt för en helt perfekt lösning, som ofta inte existerar. Istället accepterar den (som människor gör) en bra lösning, som för de flesta icke-numeriska problem är tillräckligt bra. Med hjälp av denna typ av programmering skrev en MIT-professor in i en dator de kriterier som en viss bankir brukade välja aktier för sina förtroendekonton. I ett test valde programmet samma lager som banken gjorde i 21 av 25 fall. I de övriga fyra fallen var de aktier som programmet valde så mycket som de som banken valde att han sa att de skulle ha passat portföljen lika bra.
Shaky kan förstå cirka 100 ord skriven engelska, översätta dessa ord till en enkel verbal kod och sedan översätta koden till de matematiska formler där hans faktiska tänkande görs. För skakig, som för de flesta datorsystem, är naturligt språk fortfarande ett betydande hinder. Det finns bokstavligen hundratals ”maskinspråk” och ”programspråk” i nuvarande användning, och datorer manipulerar dem handily, men när det gäller vanligt språk är de fortfarande i förskolan. De är inte särskilt bra på översättning, till exempel, och inget program hittills skapat kan hantera ett stort ordförråd, mycket mindre konversera med lätthet på ett brett spektrum av ämnen. För att göra detta måste Shaky och hans slag bli bättre på att arbeta med symboler och tvetydigheter (hunden i fönstret hade hår men det föll ut). Det skulle också vara användbart om de lärde sig att följa talad engelska och prata hack, men hittills har maskinerna svårt att berätta ord från buller.
språk har mycket att göra med lärande, och Shakys förmåga att förvärva kunskap begränsas av hans ordförråd. Han kan lära sig ett faktum när han får veta ett faktum, han kan lära sig genom att lösa problem, han kan lära sig av utforskning och upptäckt. Men fram till nu varken skakig eller något annat datorprogram kan bläddra igenom en bok eller titta på ett TV-program och växa som han går, som en människa gör. I höst öppnade Minsky och en kollega som heter Seymour Papert en tvåårig kraschattack på inlärningsproblemet genom att försöka lära en dator att förstå plantorrymer ”det tar en sida med instruktioner”, säger Papert, ”för att berätta för maskinen att när Mary hade ett litet lamm hade hon inte det till lunch.”
Shakys ego, eller verkställande fakultet, övervakar de andra fakulteterna och ser till att de arbetar tillsammans. Det startar dem, stoppar dem, tilldelar och raderar problem; och när en handlingsplan har utarbetats av den rationella fakulteten skickar egot instruktioner till någon eller alla Shakys sex små ombordmotorer-och bort går han. Alla dessa separata system smälter smidigt samman i en helhet som är mer invecklad än många former av kännande liv och de arbetar tillsammans med underbar smidighet och resursfullhet. När, (eller exempel, det visar sig att plattformen inte är där för att någon har flyttat den, skakig snurrar sin överbyggnad, hittar plattformen igen och fortsätter att trycka rampen tills han får den där han vill ha den—och om du råkar vara någon som har flyttat plattformen, säger En SRI-forskare, ”du får en konstig prickling på baksidan av nacken när du inser att du jagas av en intelligent maskin.”
med mycket liten förändring i program och utrustning kunde Shaky nu göra arbete i ett antal begränsade miljöer; lager, bibliotek, monteringslinjer. För att fungera framgångsrikt i mer löst strukturerade scener behöver han mycket mer omfattande, mer nästan mänskliga förmågor att komma ihåg och tänka. Hans minne, som förser resten av hans system med ett massivt och kontinuerligt flöde av väsentlig information, är redan stort, men vid nästa steg kommer det förmodligen att bli monstrous. Stora minnen är viktiga för komplex intelligens. Den största standarddatorn som nu finns på marknaden kan lagra cirka 36 miljoner ”bitar” information i en sexfots kub, och en dator som redan är planerad kommer att kunna lagra mer än en biljon ”bitar” (en uppskattning av kapaciteten hos en mänsklig hjärna) i samma utrymme.
storlek och effektivitet av hårdvara är dock mindre viktiga än sofistikering i programmering. I ett dussin universitet försöker psykologer skapa datorer med väldefinierade humanoida personligheter, Aldous, utvecklad vid University of Texas av en psykolog som heter John Lochlin, är det första försöket att förse en dator med känslor. Aldous är programmerad med tre känslor och tre svar, som han signalerar. Kärlek får honom att signalera tillvägagångssätt, rädsla får honom att signalera tillbakadragande, ilska får honom att signalera attack. Genom att variera intensiteten och sannolikheten för dessa tre svar kan Aldous personlighet förändras drastiskt. Dessutom kan två eller flera olika Aldouses programmeras in i en dator och göras för att interagera. De går igenom ritualer för att bekanta sig, få vänner, ha slagsmål.
ännu mer märkligt mänskligt är det program som skapats av Stanford psykoanalytiker Kenneth M. Colby. Colby har utvecklat ett Freudianskt komplex i sin dator genom att skapa konflikter mellan övertygelser (jag måste älska far, Jag hatar far). Han har också skapat en datapsykiater och när han låter de två programmen interagera, ”patienten ”löser sina konflikter precis som en människa gör, genom att glömma dem, ljuga om dem eller prata sanningsenligt om dem med” psykiateren.”En sådan stor butik av möjliga reaktioner har programmerats in i datorn och det finns många möjliga sekvenser av fråga och svar-att Colby aldrig kan vara exakt säker på vad” patienten ” kommer att besluta att göra.
Colby försöker för närvarande att bredda utbudet av känslomässiga reaktioner som hans dator kan uppleva. ”Men hittills”, säger en av hans assistenter, ” vi har inte uppnått fullständig orgasm.”
kunskap som kommer ut ur dessa experiment i” sofistikering ” hjälper till att leda mot den ultimata sofistikeringen – den autonoma datorn som kommer att kunna skriva egna program och sedan använda dem i en approximation av det oberoende, fantasifulla sättet som en människa drömmer upp projekt och utför dem. En sådan maskin utvecklas nu i Stanford av Joshua Lederberg (Nobelprisvinnande genetiker) och Edward Feigenbaum. Att använda en dator för att lösa en rad problem i kemi. Lederberg och Feigenbaum insåg att deras framsteg hölls tillbaka av det långa, tråkiga jobbet med att programmera sin dator för varje nytt problem. Det började mig undra.”säger Lederberg. ”Kunde vi inte rädda oss själva genom att lära datorn hur vi skriver dessa program och sedan låta det programmera sig själv.”
i grund och botten är ett datorprogram inget annat än en uppsättning instruktioner (eller arbetsordning) som är tillämpliga på ett visst problem. En dator kan berätta att 1 + 1 = 2 — inte för att den har det faktum lagrat bort och sedan hittar det, men för att det har programmerats med reglerna för enkel tillägg. Lederberg bestämde att du kunde ge en dator några allmänna regler för programmering; och nu, baserat på hans första framgång med att lära en dator att skriva program i kemi, är han övertygad om att datorer kan göra detta inom vilket område som helst—att de inom en snar framtid kommer att kunna skriva program som skriver program som skriver program …

Lämna ett svar

Din e-postadress kommer inte publiceras.