Mensen en dieren bewegen snel, vaak met opvallend weinig planning vooraf. Daarbij doen wij een beroep op sterk ontwikkelde en intelligente mechanismen waarbij we onze zintuigen gebruiken om fouten te corrigeren en te compenseren. Bijvoorbeeld bij het serveren in de tennissport. Kunnen we trainen robots om op deze betrouwbare wijze te handelen?
Hand-oog coördinatie
Met behulp van zelflerende software, 14 robots en veel test-uren heeft Google-research progressie geboekt in de hand-oog coördinatie van robots (zie video). Na 800.000 pogingen weet de robot objecten te onderscheiden en de aansturing van haar eigen (robot)arm te verbeteren. Deze zelflerende software stelt robots in staat om sneller en soepeler te bewegen in de echte wereld.
Bron : googleresearch
Slimme computers wint Go spel
Google is met haar DeepMind kunstmatige intelligentie software niet alleen bezig om fysieke handelingen te optimaliseren. In een battle met de wereldkampioen Go, een zeer complex chinees bordspel, heeft het AlphaGo programma van Google de eerste wedstrijd gewonnen. Ondanks een aantal fouten , won de computer aan het einde door keuzes die een mens nooit zou hebben volgens wereldkampioen Lee. Dat computers sneller kunnen rekenen was bekend, maar dat ze ook creatief kunnen zijn, geeft een nieuwe dimensie. Lee was verrast door de sterke opening maar ook door de onverwachte keuzes.
Bron : The Verge – google-alphago-go-deepmind-result
