Robotlar daha yaygın hale geldikçe, insanlarla hem etkili hem de uygun şekilde iletişim kurabilmeleri önem kazanmaktadır. İnsan etkileşimlerinde kilit nokta, başkalarıyla pozitif olarak birlikte var olabilmek için sosyal ve ahlaki kuralları anlamak ve ona göre davranmaktır.
Mülkiyetkuralları; paylaşılan ortamlarda diğerlerine karşı daha düşünceli bir şekilde gezinmeye yardımcı olan bir dizi sosyal normdur. Bu kuralları robotlara öğretmek, sahip olmadıkları araçlar ile geçici olarak paylaşılan kendi araçları arasında ayrım yapmalarını sağlayarak insanlarla etkileşimlerini geliştirebilir.
Araştırmacılardan Brian Scassellati: “Araştırma laboratuvarım, insanların etkileşimi kolay olan robotlar oluşturmaya odaklanıyor. Bu çalışmanın bir kısmı, insanlar için gerekli olan ancak fazla dikkat çekmeyen ortak toplumsal kavramları makinelere nasıl öğretebileceğimiz ile ilgileniyor. Nesne mülkiyeti, izinler ve gelenekleri anlamak, bunlardan biri… Çok fazla dikkat çekmemiş olsa da makinelerin evlerimizde, okullarımızda ve ofislerimizde çalışma şekli için kritik öneme sahip olan bu konular… ”
Scassellati, Xuan Tan ve Jake Brawer tarafından geliştirilen yaklaşımda, sahiplik, nesneler ve sahipleri arasındaki olasılıksal ilişkilerin bir grafiği olarak temsil edilir. Bu, robotun sahip olunan nesneleri kullanarak tamamlamasına izin verilen eylemleri sınırlayan, usule dayalı kuralları bir veritabanı ile birleştirilir.
Scassellati: “Bu çalışmadaki zorluklardan biri,mülkiyethakkında öğrendiğimiz yollardan bazılarının açık kurallar (örneğin,” araçlarımı alma “) ve diğerlerinin de deneyim yoluyla öğrenilmesidir. Bu iki tür öğrenmeyi birleştirmek insanlar için kolay olabilir, ancak robotlar için çok daha zordur.”
Araştırmacılar tarafından tasarlanan sistem, hem kurallara göre öğrenme hem de örneklerden uyarma yeteneğine sahip yeni bir kural öğrenme algoritmasını birleştirir. Örneğin, belli kural ihlallerine yanıt olarak Bayesian aitlik ilişkileri çıkarımı* ve bir nesnenin muhtemel sahiplerinin algı temelli tahmini gibi… Birlikte, bu bileşenler sistemin çeşitli durumlarda geçerli olan mülkiyet kurallarını ve ilişkileri öğrenmesini sağlar.
Scassellati: “Xuan ve Jake’in yaptığı çalışmanın kilit noktası, bu açık sembolik kuralları ve küçük deneyim parçalarını öğrenen iki farklı makine öğrenimi temsilini bir araya getirmektir. Bu iki sistemin birlikte çalışması, hem bunu zorlaştıran hem de sonunda bunu başarılı kılan şey.”
Araştırmacılar robotik sistemlerin performansını bir dizi benzetilmiş ve gerçek dünya denemesinde değerlendirdiler. Dikkat çekici yeterlilik ve esneklikle, takip edilmesi gereken çeşitli aitlik kurallarını gerektiren nesne manipülasyon görevlerini etkili bir şekilde tamamlayabileceğini buldular.
Scassellati ve meslektaşları tarafından yürütülen çalışma, robotların sosyal kuralları anlamak ve onlara saygı duymak için nasıl eğitilebileceği konusunda kayda değer bir örnek sunuyor. Daha fazla araştırma, benzer yapıları diğer kurallar ile ilgili yeteneklere uygulayabilir ve farklı hedeflerin birbirleriyle çatışmakta olduğu karmaşık durumları ele alabilir.
Scassellati: “İnsanlarla daha doğal şekilde etkileşime giren robotların nasıl inşa edileceğini araştırmaya devam ediyoruz.”
* Bayes Teoremi: Bir olayın meydana gelme olasılığının, olaya yönelik ek bilgi edinilmesi halinde nasıl değişeceğini gösteren teorem.
