Физический искусственный интеллект: что это такое и чем он не является.

Краткое руководство по разграничению физического ИИ от моделей окружающего мира, воплощенного ИИ, физического ИИ и цифровых двойников.

Делиться

Физический искусственный интеллект — это новое модное слово.

Об этом говорят NVIDIA, консалтинговые фирмы, инвесторы и стартапы в области робототехники. Все они говорят о физическом искусственном интеллекте. Внезапно этот термин стал повсюду.

Но что же такое физический ИИ на самом деле? И, что не менее важно, чем он не является?

В этой статье давайте разберемся в этом термине. Мы не только объясним само понятие, но и попытаемся отделить его от близких терминов, с которыми его часто путают, — модели мира, воплощенный ИИ, физический ИИ и цифровые двойники.

1. Что такое физический искусственный интеллект?

Рабочее определение, которое я считаю полезным, выглядит так [1]:

Большинство современных систем искусственного интеллекта живут за экранами. Они выполняют такие задачи, как классификация изображений, составление резюме документов, написание электронных писем или рекомендации по выбору следующего фильма. Все это, безусловно, полезная работа, но все она происходит в цифровом мире.

Физический ИИ отличается от этого. Он выходит за пределы цифрового мира и фактически взаимодействует с реальным миром . Он получает информацию об окружающей обстановке с помощью датчиков, определяет, что нужно сделать, и, наконец, выполняет это действие. Действие может быть осуществлено с помощью роботизированной руки, человекоподобного робота, дрона, беспилотного автомобиля или промышленной машины на заводе.

Результатом работы физического ИИ является уже не просто текст на экране; это реальное движение в мире.

Представьте, что вы берете чашку. Чат-бот, который просто объясняет, как это сделать, — это не физический ИИ. Но робот, который может видеть чашку и регулировать захват, чтобы переместить чашку туда, куда вам нужно, — это гораздо ближе к физическому ИИ.

Таким образом, физический ИИ — это не просто отдельная модель, выполняющая одну задачу. Это целая система, которая должна:

Исходя из этого определения, мы можем теперь отделить физический ИИ от близких терминов, с которыми его чаще всего путают.

Начнём с Мировой модели.

2. Физический ИИ против модели мира

Термин «Модели мира» [2] часто встречается в тех же разговорах о роботах, автономных агентах, моделировании, синтетических средах и т. д. Если мы не будем осторожны, очень легко скатиться к тому, чтобы рассматривать его просто как еще один способ сказать «физический ИИ».

Но это неправда.

Модель мира, как следует из названия, — это модель. Более конкретно, эта модель представляет собой внутреннее отображение того, как меняется окружающая среда. Естественным следствием этого является способность к прогнозированию . Она позволяет агенту в этой среде предвидеть, что произойдет дальше. Если я двинусь вперед, во что я врежусь? Если я толкну этот объект, он соскользнет или опрокинется? Если машина перестроится в другой ряд, где она окажется через две секунды? На все эти вопросы можно ответить с помощью этой способности к прогнозированию.

Робот может использовать модель окружающего мира, чтобы представить, что может произойти, если он приблизится к чашке с разных сторон. Но ключевое понимание здесь заключается в том, что сама модель окружающего мира — это не робот, не захват, не контроллер двигателя и не вся система, которая фактически перемещает чашку.

В этом и заключается ключевое соотношение: модель мира может существовать внутри физического ИИ, особенно для моделирования, обучения и планирования. Но сама по себе она лишь предсказывает возможные варианты будущего; она не действует. Без датчиков/контрольных устройств/исполнительных механизмов, связанных с реальным миром, она может только представлять себе будущее.

Вкратце : мировые модели предсказывают , что может произойти. Физический ИИ действует в реальном мире.

3. Физический ИИ против воплощенного ИИ

Это пара терминов, которые люди чаще всего путают. Вы можете видеть, что люди и многие компании используют эти два термина взаимозаменяемо. На самом деле, в недавнем посте Cambridge Consultants [3] руководитель отдела инноваций Capgemini буквально назвал это «физическим ИИ или воплощенным ИИ, как его еще называют».

Но я считаю, что есть полезное различие, которое нам следует помнить, и ключевое из них заключается в том, на чём они делают акцент.

Физический ИИ акцентирует внимание на том, что система делает , включая восприятие, принятие решений и действия в реальном мире. Воплощенный ИИ, с другой стороны, в большей степени посвящен тому, что формирует интеллект.

Слово «воплощенный» в его названии происходит от гипотезы воплощения [4]. Эта гипотеза утверждает, что интеллект не просто существует в программном обеспечении, которое вы загружаете на машину. Он развивается благодаря наличию тела. С помощью тела он может чувствовать, пробовать разные вещи и учиться на происходящем. Тело здесь не является устройством вывода в конце процесса; оно, по сути, является частью того, как он учится мыслить в первую очередь.

Однако на практике физический ИИ и воплощенный ИИ обычно идут рука об руку. Это особенно верно в практических дискуссиях о робототехнике, поскольку многие реальные роботы одновременно являются воплощенным и физическим ИИ.

Вкратце: физический ИИ — это действие в окружающем мире. Воплощенный ИИ — это интеллект, формируемый телом и его взаимодействием с окружающей средой.

4. Физический ИИ против физического ИИ

Эту пару легко перепутать, если невнимательно читать их названия. Одно — Physical , другое — Physics .

Когда говорят об искусственном интеллекте на основе физики, обычно имеют в виду методы ИИ, которые учитывают законы физики . Хорошим примером является нейронная сеть, учитывающая законы физики, или PINN [5].

Технически, PINN — это обычная нейронная сеть. Отличие заключается в формуле функции потерь. Помимо обычной среднеквадратичной ошибки между предсказаниями и наблюдениями, модель также штрафуется всякий раз, когда её предсказания нарушают известные физические уравнения или ограничения.

В качестве примера рассмотрим охлаждение батареи. Допустим, мы хотим предсказать изменение температуры внутри батарейного блока при различных условиях работы батареи. Чисто нейронная модель, основанная на данных, будет изучать закономерности непосредственно по показаниям датчиков. PINN будет обучаться на тех же данных, но дополнительно должна учитывать уравнения энергетического баланса и известные начальные/граничные ограничения, вводя соответствующие физические функции потерь.

Это очень полезно, поскольку модель может выдавать физически правдоподобные предсказания, а не фантазировать. Кроме того, это позволяет модели достичь того же уровня точности при меньшем объеме данных. Дополнительным преимуществом является лучшая обобщающая способность в условиях, не охваченных обучающим набором данных.

Однако сам по себе физический ИИ — это всего лишь модель. Он может предсказывать или моделировать физические процессы, но не воспроизводит их в реальном мире.

И в этом заключается ключевое отличие от физического искусственного интеллекта.

На практике физический ИИ может переходить в физический ИИ, когда он интегрируется в цикл обработки данных. В нашем примере с охлаждением батареи, если интеллектуальная система управления охлаждением считывает прогнозы, полученные с помощью температурной модели, и соответствующим образом регулирует скорость вращения вентилятора в режиме реального времени, то модель, учитывающая физические принципы, становится частью системы физического ИИ.

Вкратце : физический ИИ изучает физические законы. Физический ИИ изучает физические действия.

5. Физический ИИ против цифрового двойника

«Цифровые двойники» — ещё один термин, вызывающий путаницу, особенно в промышленных условиях, таких как заводы, склады или автономные системы.

Вот широко распространенное определение цифрового двойника [6]: это виртуальное представление реального физического объекта, процесса или системы. Цифровой двойник обычно связан с данными из реальной системы и может обновляться по мере развития реальной системы.

На заводских площадках широко используется цифровая копия производственной линии. Заводская производственная линия обычно состоит из станков, конвейеров, датчиков, продукции, станций контроля качества и т. д., а соответствующая цифровая копия представляет собой виртуальную копию этой линии. Она собирает показания различных датчиков, информацию о состоянии оборудования и записи о техническом обслуживании, чтобы понимать текущее состояние линии. По мере изменения реальной производственной линии она обновляет виртуальное представление в режиме реального времени.

Теперь, благодаря этому виртуальному двойнику, инженеры-технологи могут отслеживать состояние производственной линии и, возможно, выявлять узкие места в плане эффективности. Еще одно распространенное применение цифрового двойника — моделирование различных сценариев для оптимизации операционной политики перед ее внедрением в реальность.

Но ничто из этого не делает цифрового двойника физическим ИИ, поскольку цифровой двойник не принимает решений и не действует на реальной производственной линии самостоятельно.

Вкратце : цифровой двойник представляет собой физическую систему. Физический ИИ действует в физической системе.

6. Собираем всё воедино

Теперь, оглядываясь на рассмотренные нами термины, мы видим одну закономерность: модели мира, воплощенный ИИ, физический ИИ и цифровые двойники — все они направлены на понимание или представление физического мира. Физический ИИ — единственный, который определяется действием в этом мире.

В реальной системе эти различные концепции, безусловно, могут (и, вероятно, должны) работать вместе: для поддержки работы одного робота, действующего в физическом мире, можно использовать цифровые двойники, чтобы помочь роботу планировать свои действия, а модель мира или модель, учитывающая физические принципы, может использоваться для генерации прогнозов, направляющих действия робота.

Надеюсь, в следующий раз, когда вы встретите эти термины в заголовке, статье или презентации продукта, вы сможете отличить их друг от друга, а не позволять им сливаться воедино.

Ссылки

[1] NVIDIA, «Что такое физический ИИ?» Ссылка: https://www.nvidia.com/en-us/glossary/generative-physical-ai/

[2] Ха и Шмидхубер, «Модели мира», 2018. Ссылка: https://arxiv.org/abs/1803.10122

[3] Cambridge Consultants, «Физический ИИ и человекоподобная робототехника находятся на переломном этапе». Ссылка: https://www.cambridgeconsultants.com/physical-ai-and-humanoid-robotics-at-a-turning-point/

[4] Смит и Гассер, «Развитие воплощенного познания: шесть уроков от младенцев». Ссылка: https://pubmed.ncbi.nlm.nih.gov/15811218/

[5] Раисси, Пердикарис и Карниадакис, «Нейронные сети, основанные на физических принципах», 2019. Ссылка: https://doi.org/10.1016/j.jcp.2018.10.045

[6] IBM, «Что такое цифровой двойник?» Ссылка: https://www.ibm.com/think/topics/digital-twin

Шуай Го Посмотреть все в Шуай Го

Источник: towardsdatascience.com