Įsivaizduokite, kad esate lėktuve su dviem pilotais, vienu žmogumi ir vienu kompiuteriu. Abu turi savo „rankas“ ant valdiklių, tačiau jie visada ieško skirtingų dalykų. Jei jie abu atkreipia dėmesį į tą patį dalyką, žmogus gali valdyti. Bet jei žmogus blaškosi ar ko nors praleidžia, kompiuteris greitai perima.
Susipažinkite su „Air-Guardian“ – sistema, kurią sukūrė MIT kompiuterių mokslo ir dirbtinio intelekto laboratorijos (CSAIL) mokslininkai. Kai šiuolaikiniai pilotai grumiasi su informacijos iš kelių monitorių antplūdžiu, ypač kritiniais momentais, Air-Guardian veikia kaip iniciatyvus antrasis pilotas; žmogaus ir mašinos partnerystė, pagrįsta supratingu dėmesiu.
Bet kaip tai tiksliai lemia dėmesį? Žmonėms jis naudoja akių sekimą, o nervų sistemai – tai, kas vadinama „ryškumo žemėlapiais“, kurie tiksliai nurodo, kur nukreiptas dėmesys. Žemėlapiai yra vaizdiniai vadovai, išryškinantys pagrindines vaizdo sritis, padedantys suvokti ir iššifruoti sudėtingų algoritmų veikimą. „Air-Guardian“ nustato ankstyvus galimos rizikos požymius naudodama šiuos dėmesio žymenis, o ne tik įsikiša per saugos pažeidimus, kaip tradicinės autopiloto sistemos.
Platesnės šios sistemos pasekmės apima ne tik aviaciją. Panašūs kooperatyviniai valdymo mechanizmai vieną dieną galėtų būti naudojami automobiliuose, dronuose ir platesniame robotų spektre.
„Įdomus mūsų metodo bruožas yra jo diferencijavimas“, – sako MIT CSAIL postdoc Lianhao Yin, pagrindinis naujo straipsnio apie Air-Guardian autorius. „Mūsų bendradarbiaujantis sluoksnis ir visas procesas nuo galo iki galo gali būti apmokyti. Mes specialiai pasirinkome priežastinį nuolatinio gylio neuroninio tinklo modelį dėl jo dinaminių ypatumų atkreipiant dėmesį. Kitas unikalus aspektas yra prisitaikymas. „Air-Guardian” sistema yra ” t nelankstus; jį galima koreguoti atsižvelgiant į situacijos poreikius, užtikrinant subalansuotą žmogaus ir mašinos partnerystę.
Atliekant lauko bandymus, tiek pilotas, tiek sistema priėmė sprendimus remdamiesi tais pačiais neapdorotais vaizdais, kai navigavo į tikslinį maršruto tašką. „Air-Guardian“ sėkmė buvo vertinama pagal kaupiamuosius atlygius, uždirbtus skrydžio metu ir trumpesnį kelią iki maršruto taško. Globėjas sumažino skrydžių rizikos lygį ir padidino sėkmingą navigaciją į tikslinius taškus.
„Ši sistema atspindi naujovišką į žmogų orientuotos dirbtinio intelekto aviacijos požiūrį“, – priduria Raminas Hasani, MIT CSAIL tyrimų filialas ir skystųjų neuronų tinklų išradėjas. „Mūsų skystųjų neuronų tinklų naudojimas suteikia dinamišką, prisitaikantį požiūrį, užtikrinantį, kad dirbtinis intelektas ne tik pakeistų žmogaus sprendimus, bet ir jį papildytų, o tai padidintų saugumą ir bendradarbiavimą danguje.
Tikroji „Air-Guardian“ stiprybė yra jo pagrindinė technologija. Naudodamas optimizavimu pagrįstą kooperacinį sluoksnį, kuriame vaizduojamas žmonių ir mašinų dėmesys, ir skystus uždaros formos nuolatinio laiko neuroninius tinklus (CfC), žinomus dėl savo meistriškumo iššifruojant priežasties ir pasekmės ryšius, jis analizuoja gaunamus vaizdus, kad gautų svarbią informaciją. Tai papildo VisualBackProp algoritmas, kuris vaizde identifikuoja sistemos židinio taškus ir užtikrina aiškų jos dėmesio žemėlapių supratimą.
Norint ateityje masiškai naudoti, reikia patobulinti žmogaus ir mašinos sąsają. Atsiliepimai rodo, kad indikatorius, pvz., juosta, gali būti intuityvesnis, kad reikštų, kada globėjų sistema perima valdymą.
„Air-Guardian“ skelbia naują saugesnio dangaus amžių ir siūlo patikimą apsaugos tinklą akimirkoms, kai žmogaus dėmesys svyruoja.
„Sistema „Air-Guardian“ pabrėžia žmogaus patirties ir mašininio mokymosi sinergiją, kuri padeda siekti tikslo naudoti mašininį mokymąsi, kad padidėtų pilotai sudėtinguose scenarijuose ir sumažintų veikimo klaidas“, – sako Daniela Rus, Andrew (1956 m.) ir Erna Viterbi elektros profesorius. Inžinerija ir kompiuterių mokslas MIT, CSAIL direktorius ir vyresnysis šio dokumento autorius.
„Vienas iš įdomiausių vizualinio dėmesio metrikos naudojimo rezultatų šiame darbe yra galimybė leisti anksčiau įsikišti ir geriau interpretuoti žmonių pilotus“, – sako Stephanie Gil, Harvardo universiteto kompiuterių mokslų docentė, kuri nedalyvavo šiame darbe. dirbti. „Tai puikus pavyzdys, kaip dirbtinis intelektas gali būti naudojamas dirbant su žmogumi, sumažinant kliūtis pasiekti pasitikėjimą naudojant natūralius žmogaus ir AI sistemos komunikacijos mechanizmus.
Šį tyrimą iš dalies finansavo JAV oro pajėgų (USAF) tyrimų laboratorija, USAF dirbtinio intelekto greitintuvas, „Boeing Co.“ ir Karinio jūrų laivyno tyrimų biuras. Išvados nebūtinai atspindi JAV vyriausybės ar USAF požiūrį.
