Quentin Houbre tarkastelee tuoreessa väitöstutkimuksessaan, kuinka robotit voivat tunnistaa ja oppia uusia taitoja itsenäisesti mallintamalla ihmisen kognitiivisia toimintoja, erityisesti uteliaisuutta. Houbre sai inspiraation työhönsä lasten tavasta oppia. Tutkimus osoittaa, että kun havainnointiin, tarkkaavaisuuteen, muistamiseen ja oppimiseen liittyvät kognitiiviset mekanismit integroidaan robottijärjestelmiin, robotit kykenevät laajentamaan osaamistaan jatkuvasti.

Tekoälyn hyödyntäminen robotiikassa on kovassa kasvussa. Vaikka robotit ovat jo varsin käteviä käsistään, niiden kyky tehdä päätelmiä ja mukautua uusiin tilanteisiin on edelleen rajallinen. Suurin haaste liittyy kognitiiviseen mallintamiseen, joka vaatii monialaista asiantuntemusta esimerkiksi neurotieteestä, kehityspsykologiasta, filosofiasta ja koneoppimisesta.

Väitöstyössään Houbre tutki, kuinka kognition keskeisiä osa-alueita – kuten havainnointia, tarkkaavaisuutta, muistia ja oppimista – voidaan mallintaa tarkastelemalla lasten tapaa kehittyä ja omaksua uusia taitoja. Hänen tavoitteenaan oli luoda robotti, joka pystyisi tunnistamaan ja oppimaan uusia kykyjä lasten tavoin. Houbren lähestymistapa auttaa ymmärtämään ja optimoimaan niitä prosesseja, joiden avulla robotit tekevät havaintoja, oppivat uusia asioita ja mukauttavat toimintaansa tilanteiden mukaan.

Tutkimuksen tavoitteena oli, että robotit mallintaisivat maailmaa tekemällä ennusteita vuorovaikutuksestaan ympäristön kanssa. Uteliaisuus toimii tässä kognitiivisena mekanismina, joka motivoi robotteja jatkuvasti tarkentamaan ennusteitaan.

Vaikka uteliaisuus ajaa robotteja havaitsemaan ja oppimaan uutta, niiden on myös tiedettävä mitä, milloin ja miten niiden tulisi oppia.

– Kun uteliaisuutta mallinnetaan joukkona hajautettuja kognitiivisia prosesseja, robotit pystyvät tunnistamaan ja oppimaan uusia taitoja huomattavasti joustavammin, kertoo Houbre tiedotteessa.

Houbren tutkimuksen tulokset korostavat uteliaisuutta uuden oppimisen lähtökohtana: sen avulla robotit kykenevät rakentamaan ennustemalleja ympäristöstään ja mukauttamaan käyttäytymistään epävarmoissa olosuhteissa. Hänen mukaansa kehittymistä ja uteliaisuutta korostavat menetelmät avaavat lupaavia mahdollisuuksia tulevaisuuden robottien ja tekoälyjärjestelmien kouluttamiseen.

Houbren tutkimus osoittaa, että robotit kykenevät kaiken aikaa oppimaan uusia taitoja ja mukauttamaan oppimistapojaan käsiteltävien esineiden monimutkaisuuden mukaan. Uteliaisuuden ja neuroplastisuuden, eli aivojen muovautuvuuden, yhdistelmä voisi tarjota tehokkaan tavan kouluttaa tekoälyrobotteja antamalla niiden vapaasti havainnoida maailmaa ja oppia siitä.

– Havainnoinnin ja oppimisen kehityksellinen näkökulma on robotiikassa olennaisen tärkeä. Meidän tulisi suunnitella entistä parempia tekoälyjärjestelmiä, jotka kykenevät koko ajan paremmin oppimaan ja tekemään johtopäätöksiä maailmasta samaan tapaan kuin lapset, Houbre sanoo.

MSc Quentin Houbren automaatiotekniikan alan väitöskirja Towards active exploration and flexible goal learning: modeling curiosity as a distributed cognitive process for open-ended learning in robotics tarkastetaan julkisesti Tampereen yliopiston tekniikan ja luonnontieteiden tiedekunnassa perjantaina 13. helmikuuta.

Aamuset-kaupunkimedia (AKM)