Teleoperación arriesgada, simulación de Rocket League y multiplicación de zoólogos - TechCrunch

La investigación en el campo del aprendizaje automático y la IA, ahora una tecnología clave en prácticamente todas las industrias y todas las empresas, es demasiado extensa para que alguien la lea en su totalidad. Esta columna, Perceptron (anteriormente Deep Science), tiene como objetivo recopilar algunos de los descubrimientos y artículos recientes más relevantes, particularmente en el campo de la inteligencia artificial, pero no limitado a él, y explicar por qué son importantes.

Esta semana, los investigadores de IA descubrieron un método que podría permitir a los atacantes rastrear los movimientos de los robots controlados a distancia, incluso si las comunicaciones de los robots están encriptadas de extremo a extremo. Los coautores, que pertenecen a la Universidad de Strathclyde en Glasgow, dijeron que su estudio muestra que aplicar las mejores prácticas de ciberseguridad no es suficiente para detener los ataques a los sistemas autónomos.

El control remoto, o teleoperación, promete permitir a los operadores controlar de forma remota uno o más robots en una variedad de entornos. Startups como Pollen Robotics, Beam y Tortoise han demostrado la utilidad de los robots teleoperados en supermercados, hospitales y oficinas. Otras compañías están desarrollando robots controlados a distancia para tareas como limpiar bombas o inspeccionar sitios de alta radiación.

Pero una nueva investigación muestra que la teleoperación, incluso cuando se supone que es "segura", es riesgosa porque es vulnerable a la vigilancia. En un artículo, los coautores de Strathclyde describen cómo usan una red neuronal para obtener información sobre qué operaciones está realizando un robot controlado a distancia. Después de recolectar muestras del tráfico protegido por TLS entre el robot y el controlador y realizar un análisis, descubrieron que la red neuronal identifica el movimiento aproximadamente el 60% del tiempo y también las "operaciones de almacenamiento" (por ejemplo, recoger paquetes) con "alta corrección". ."

Autor de la foto: Sha et al.

Alarmante de una manera menos inmediata es un nuevo estudio realizado por investigadores de Google y la Universidad de Michigan que examinó las relaciones de las personas con los sistemas impulsados ​​​​por IA en países con legislación débil y "optimismo nacional" para la IA. El trabajo encuestó a usuarios de plataformas de préstamos instantáneos con sede en India y "estresados ​​financieramente" que se dirigen a prestatarios con préstamos determinados por modelos de riesgo de IA. Según los coautores, los usuarios se sintieron en deuda por las "bendiciones" de los préstamos instantáneos y la obligación de aceptar términos estrictos, compartir datos confidenciales y pagar tarifas elevadas.

Los investigadores argumentan que los resultados ilustran la necesidad de una mayor "responsabilidad algorítmica", particularmente cuando se trata de IA en servicios financieros. "Argumentamos que la responsabilidad está determinada por el equilibrio de poder entre la plataforma y el usuario, e instamos a los legisladores a adoptar un enfoque puramente técnico para promover la responsabilidad algorítmica", escribieron. “En cambio, pedimos intervenciones situacionales que empoderen a los usuarios, permitan una transparencia significativa, reconfiguren las relaciones diseñador-usuario e inspiren a los profesionales a participar en una reflexión crítica hacia una responsabilidad más amplia”.

En una investigación menos gruñona, un equipo de científicos de la Universidad TU de Dortmund, la Universidad de Rhein-Waal y la LIACS Universiteit Leiden en los Países Bajos han desarrollado un algoritmo que, según afirman, puede "resolver" el juego de Rocket League. Motivado por encontrar una forma menos intensiva desde el punto de vista computacional para desarrollar la IA del juego, el equipo utilizó una técnica de transferencia llamada "sim a sim" que entrenó al sistema de IA para realizar tareas en el juego como portería y bateo dentro de un espacio reducido. , versión simplificada de Rocket League. (Rocket League es básicamente similar al fútbol sala, excepto que con autos en lugar de jugadores humanos en equipos de tres).

Autor de la foto: Pleines et al.

No fue perfecto, pero el sistema de juego Rocket League de los investigadores logró salvar casi todos los tiros al portero. En ataque, el sistema anotó con éxito el 75 % de los tiros, un récord respetable.

Los simuladores de movimiento humano también están evolucionando rápidamente. El trabajo de Meta en el seguimiento y simulación de extremidades humanas tiene aplicaciones obvias en sus productos AR y VR, pero también podría usarse de manera más amplia en robótica e IA incorporada. La investigación publicada esta semana obtuvo una pista sobre el límite de nada menos que Mark Zuckerberg.

Grupos esqueléticos y musculares simulados en Myosuite.

MyoSuite simula músculos y esqueletos en 3D a medida que interactúan con los objetos y con ellos mismos; esto es esencial para que los agentes aprendan a sostener y manipular cosas correctamente sin aplastarlas ni dejarlas caer, y también presenta interacciones y agarres realistas en un mundo virtual. Se dice que se ejecuta mil veces más rápido para ciertas tareas, lo que significa que los procesos de aprendizaje simulados pueden ejecutarse mucho más rápido. "Lanzaremos estos modelos como código abierto para que los investigadores puedan usarlos para avanzar más en el campo", dice Zuck. ¡Y lo hicieron!

Muchas de estas simulaciones están basadas en agentes u objetos, pero este proyecto del MIT busca simular un sistema completo de agentes independientes: automóviles autónomos. La idea es que si tiene una buena cantidad de automóviles en la carretera, puede hacer que trabajen juntos para no solo evitar colisiones, sino también evitar paradas innecesarias en los semáforos.

Si miras de cerca, solo los autos de enfrente realmente se detienen.

Básicamente, como puede ver en la animación de arriba, una serie de vehículos autónomos que se comunican a través de protocolos v2v pueden evitar que todos los autos, excepto los que están al frente, se detengan al disminuir gradualmente la velocidad en una fila, pero no tanto como para llegar a un punto muerto. parada. Este tipo de comportamiento de hipervelocidad puede parecer que no ahorra mucha gasolina o batería, pero cuando lo escalas a miles o millones de autos, hace la diferencia, y también puede ser un viaje más cómodo. Buena suerte haciendo que todos se acerquen a la intersección con un espacio perfecto.

Suiza se mira bien a sí misma con la tecnología de escaneo 3D. El país está creando un mapa enorme utilizando vehículos aéreos no tripulados equipados con lidar y otras herramientas, pero hay un problema: el movimiento del dron (deliberada y accidentalmente) introduce errores en el mapa de puntos que deben corregirse manualmente. ¿No hay problema si solo escanea un edificio pero un país entero?

Afortunadamente, un equipo de EPFL integra un modelo ML directamente en la pila de adquisición lidar que puede determinar cuándo un objeto ha sido escaneado varias veces desde diferentes ángulos y usa esa información para alinear el mapa de puntos en una única malla contigua. Este artículo de noticias no es particularmente perspicaz, pero el documento que lo acompaña entra en más detalles. Un ejemplo del mapa resultante se puede ver en el video de arriba.

Finalmente, en una noticia de IA inesperada pero muy alentadora, un equipo de la Universidad de Zúrich ha desarrollado un algoritmo para rastrear el comportamiento animal para que los zoólogos no tengan que pasar semanas rastreando imágenes para encontrar los dos ejemplos de bailes de cortejo. Es una colaboración con el zoológico de Zúrich, lo que tiene sentido si se considera: "Nuestro método también puede detectar cambios de comportamiento sutiles o raros en animales de prueba, como signos de estrés, miedo o incomodidad", dice el director del laboratorio, Mehmet Fatih Yanik.

Por lo tanto, la herramienta podría usarse para el aprendizaje y el seguimiento del comportamiento en cautiverio, el bienestar de los animales en cautiverio en los zoológicos, así como otras formas de estudios con animales. Podrían usar menos animales de prueba y obtener más información en menos tiempo, con menos trabajo de los estudiantes de posgrado estudiando detenidamente los archivos de video hasta altas horas de la noche. Suena como una situación de ganar-ganar-ganar-ganar para mí.

Autor de la foto: Ella Marushenko / ETH Zúrich

También me encanta la ilustración.