Des chercheurs de l’Université de Yale ont appris à des robots la notion de propriété. L’objectif ? Renforcer leur compréhension de la notion de cohésion sociale dans les rapports humains.
Bien que les trois lois de la robotique promulguée par l’écrivain de science-fiction Isaac Asimov soient fictives, elles inspirent fortement les développeurs en robotique. Comme le rapporte Zdnet.com, des chercheurs de l’université de Yale travaillent à l’apprentissage du respect des propriétaires ou des utilisateurs d’un robot.
Des chercheurs de Yale veulent policer les robots
Pour cela, ils ont mis au point un logiciel permettant de mieux programmer le système robotique. Avec l’arrivée des robots dans les foyers et dans les usines, il s’agit de leur apprendre
les conventions sociales qui régissent notre société. Selon Brian Scassellati, directeur de cette étude sur la robotique d’assistance sociale, les machines doivent pouvoir comprendre les règles tacites qui régissent la cohésion sociale chez les humains. Une fois ces conventions assimilées, elles seront capables de travailler en synergie avec les femmes et les hommes.
Le logiciel en question permet donc aux robots de distinguer les objets et les outils que d’autres humains ou robot possèdent. Oui, les chercheurs de l’Université de Yale apprennent la notion de propriété à des machines.
Pour ce faire, les universitaires combinent deux types différents d’apprentissage automatique. Le premier n’est autre que l’apprentissage supervisé. Il repose sur des règles strictes que les robots doivent absolument respecter. Le second repose sur un modèle semi-supervisé. La machine dispose en mémoire des exemples qui vont l’aider à déterminer qui est le propriétaire ou l’utilisateur principal d’un objet.
Une méthode de machine learning bien connue de la recherche médicale
Or, l’apprentissage de la propriété demande un bon niveau de certitude. Afin de s’assurer le succès des opérations, les chercheurs de l’université de Yale ont employé la méthode de calcul dite inférence bayésienne. Cette dernière consiste à prédire par le biais de probabilités si une proposition est vraie ou fausse selon des observations où subsiste une incertitude. Plus les robots ont d’informations, plus facile il sera pour eux de déterminer le propriétaire d’un objet. C’est la même technique de machine learning qui est employée pour diagnostiquer des maladies.
Les membres de l’université de Yale y ont ajouté des règles pour délimiter les actions autorisées avec les objets possédés. En clair, il ne s’agit pas seulement de le rendre plus poli face à son interlocuteur, mais aussi de l’aider à faire plus attention aux humains qui l’entourent.
Dans le cadre de cette étude, les chercheurs ont utilisé le robot Baxter. Cette machine conçue par la startup Rethink Robotics en 2013 s’adressait aux PME souhaitant mettre en place un outil de cobotique sur leur chaîne de production. Malgré l’obsolescence de cet équipement, le système pourrait être appliqué dans d’autres contextes. Les chercheurs ont d’ailleurs partagé l’algorithme obtenu sur GitHub.
