Недавно опубликованное видео из Цюрихского университета (UZH), которое кажется будто взято прямо из научной фантастики, показывает, как управляемый искусственным интеллектом высокоскоростной дрон впервые в истории побеждает лучших гонщиков-людей. Потенциально знаковое достижение сравнивают с победой суперкомпьютера IBM Deep Blue над шахматным мастером Гарри Каспаровым в игре в шахматы в 1996 году, которая когда-то считалась знаковым событием в области искусственного интеллекта, превосходящего человеческий интеллект.
После исторического поражения Каспарова ряд систем искусственного интеллекта превзошли людей в широком спектре задач. В частности, в 2016 году Google AlphaGo победила лучшего в мире чемпиона по го Ли Седоля. Это игра, которая намного сложнее шахмат, и которую оказалось гораздо труднее освоить системам искусственного интеллекта.
Совсем недавно ИИ оказался лучше людей в писательском мастерстве — навык, который, по мнению многих, мог быть за пределами способностей ИИ. Тем не менее, все эти достижения произошли в цифровом мире, тогда как попытки перенести ИИ в реальный мир, а именно в беспилотные автомобили или полностью автоматизированные заводы, оказались крайне неэффективными и далекими от совершенства.
Теперь команда UZH заявляет, что при небольшой помощи Intel их система искусственного интеллекта вырвалась из цифровой среды и победила лучших мировых гонщиков на дронах на реальной гоночной трассе, что потенциально означает значительный прорыв в способности искусственного интеллекта справляться с трудностями.
Вместо того, чтобы пытаться предвидеть каждую малейшую проблему, которая может бросить вызов их ИИ-дрону, получившему название SWIFT, во время гонки с людьми, исследователи UZH вместо этого использовали метод проб и ошибок, называемый обучением с подкреплением, чтобы научить своего ИИ-пилота летать. Это означало обучение SWIFT в моделируемой среде, а не на реальной гоночной трассе, главным образом для того, чтобы избежать постоянного повреждения дронов на ранних этапах, когда аварии являются обычным явлением. Тем не менее, исследователи приложили все усилия, чтобы обучить дрон в среде, которая имитировала многое из того, с чем он в конечном итоге столкнется в реальной гонке.
«Чтобы убедиться, что последствия действий в симуляторе были максимально приближены к реальным, мы разработали метод оптимизации симулятора с использованием реальных данных», — объяснила Элия Кауфманн, первый автор статьи. Это включало использование точного сигнала местоположения, такого как GPS, чтобы сообщить дрону, где он находится, а также попросить дрон использовать встроенную камеру для обнаружения окружающей среды. Сопоставление двух точек данных позволило ему более умело обращаться с камерой и уменьшать зависимость от сигнала местоположения, пока он, наконец, не смог участвовать в гонках, используя только вход камеры.
После месяца моделирования полета, которое, как отмечают исследователи, «соответствует менее чем часу на настольном ПК», SWIFT был готов сразиться с тремя лучшими претендентами-людьми. В данном случае это означало трехкратного чемпиона Швейцарии Марвина Шеппера, чемпиона Drone Racing League 2019 года Алекса Вановера и чемпиона MultiGP Drone Racing 2019 года Томаса Битматту. Как и SWIFT, гонщики также оперировали только данными с камер своих дронов, которые передавались на гарнитуру VR — тип гонок на дронах, известный как вид от первого лица (FPV).
Гонки прошли в июне 2022 года на специально построенной трассе в ангаре аэропорта Дюбендорф недалеко от Цюриха.
Всем гонщикам предстояло пройти трассу размером 25 х 25 метров с семью воротами, через которые нужно было пройти в определенной последовательности. Каждому гонщику также пришлось выполнить несколько сложных маневров, в том числе так называемый Split-S, который, по словам исследователей, «включает в себя полупрокат дрона и выполнение нисходящей полупетли на полной скорости».
На видео сразу бросается в глаза невероятная скорость дронов, а также тесные рамки, в которых выполнялись маневры, что еще больше усложняет задачу. Тем не менее, SWIFT вышел на первое место, опередив ближайшего конкурента примерно на полсекунды.
В своей опубликованной статье команда UZH отмечает, что ИИ не совсем непобедим. Например, когда освещение было изменено или другие аспекты окружающей среды были изменены так, что они отличались от тех, на которых обучался SWIFT, люди вышли на первое место. Они отмечают, что это очень важно, поскольку способность эффективно взаимодействовать в физическом мире, будь то в спортивных гонках или на производстве, в конечном итоге будет определять, насколько распространенными станут системы искусственного интеллекта.
«Физические виды спорта представляют собой более сложную задачу для ИИ, поскольку они менее предсказуемы, чем настольные или видеоигры», — сказал Давиде Скарамуцца, руководитель группы робототехники в Цюрихском университете. «У нас нет идеальных знаний о моделях дронов и окружающей среды, поэтому ИИ должен изучать их, взаимодействуя с физическим миром».
Исследователи также отмечают, что способность их дрона работать на гоночной скорости может добавить дополнительную выгоду к некоторым реальным применениям дронов, управляемых ИИ. Это включает в себя потенциальные применения в мониторинге лесов, правоохранительной деятельности, управлении дорожным движением, космических полетах или даже в кино, где камеры дронов, управляемые искусственным интеллектом, смогут не отставать от экстремального темпа снимаемого действия.
«Дроны имеют ограниченную емкость аккумулятора; им нужна большая часть энергии только для того, чтобы оставаться в воздухе», — сказал Скарамуцца. «Таким образом, летая быстрее, мы увеличиваем их полезность».
