Zaloguj się, aby obserwować tę zawartość
Obserwujący
0
Kerala: w ramach walki z okrucieństwem wobec zwierząt w świątyni żywego słonia zastąpił mechaniczny model
dodany przez
KopalniaWiedzy.pl, w Ciekawostki
-
Podobna zawartość
-
przez KopalniaWiedzy.pl
Uczestnicy słynnego eksperymentu Milgrama tak bardzo ulegali autorytetowi prowadzącego, że byli w stanie na jego polecenie zadawać silny ból innemu człowiekowi. Takie bezwzględne bezrefleksyjne posłuszeństwo może prowadzić do zbrodni. Naukowcy z Uniwersytetu SWPS powtórzyli eksperyment Milgrama, ale prowadzącym był robot. Okazało się, że ludzie są skłonni podporządkować się poleceniom robota i na jego rozkaz krzywdzić innych.
W latach 60. XX wieku amerykański psycholog Stanley Milgram, zastanawiając się nad przyczynami, dla których ludzie w czasie II wojny światowej wykonywali zbrodnicze rozkazy, przeprowadził eksperyment, którego celem było wykazanie, na ile H. sapiens ma skłonność do ulegania autorytetom. Osobom, które brały udział w eksperymencie powiedziano, że jego celem jest zbadanie wpływu kar na skuteczność uczenia się. W eksperymencie brał udział uczestnik-nauczyciel oraz uczeń. Eksperymentator zaś kazał nauczycielowi karać ucznia aplikując mu coraz silniejszy wstrząs elektryczny. Uczeń, którym była podstawiona osoba, w rzeczywistości nie był rażonym prądem (ale uczestnik-nauczyciel o tym nie wiedział), jednak w odpowiedzi na rzekomo podawane napięcie elektryczne, krzyczał z bólu. Eksperyment wykazał, że aż 62% uczestników – ulegając autorytetowi eksperymentatora – nacisnęło w końcu na generatorze przycisk 450 V, czyli najwyższy.
Naukowcy z Uniwersytetu SWPS postanowili sprawdzić, czy ludzie będą równie posłuszni robotowi, jak innemu człowiekowi. Przeniesienie różnych funkcji nadzoru i podejmowania decyzji na robota budzi jednak szczególnie silne emocje, ponieważ wiąże się z różnymi zagrożeniami etycznymi i moralnymi. Pojawia się pytanie, czy wspomniane wyżej posłuszeństwo wykazywane przez badanych zgodnie z paradygmatem Milgrama nadal występowałoby, gdyby to robot (zamiast człowieka, tj. profesora uczelni) kazał uczestnikom zadać elektrowstrząsy innej osobie? Celem naszego badania było udzielenie odpowiedzi na to pytanie, mówi doktor Konrad Maj.
Doktor Maj we współpracy z profesorem Dariuszem Dolińskim i doktorem Tomaszem Grzybem, powtórzył eksperyment Milgrama, ale w roli eksperymentatora osadzono robota. W grupie kontrolnej eksperymentatorem był człowiek. W badaniach wzięli udział uczestnicy, którzy nie wiedzieli, na czym polegał eksperyment Milgrama. Okazało się, że ludzie ulegają też autorytetowi robota i na jego polecenie są skłonni krzywdzić innych ludzi. Co więcej, zarejestrowano bardzo wysoki poziom posłuszeństwa. Aż 90% uczestników w obu grupach – badanej i kontrolnej – nacisnęło wszystkie przyciski na generatorze, dochodząc do wartości 150 V. Od kilku dekad z powodów etycznych te 150 V przyjmuje się za górną wartość przy eksperymencie Milgrama.
O ile nam wiadomo, to pierwsze badanie, które pokazuje, że ludzie są skłonni szkodzić innemu człowiekowi, gdy robot nakazuje im to zrobić. Co więcej, nasz eksperyment pokazał również, że jeśli robot eskaluje żądania, instruując człowieka, aby zadawał coraz większy ból innemu człowiekowi, ludzie też są skłonni to zrobić, dodaje doktor Maj.
Już wcześniejsze badania wykazały, że ludzie tak mocno uznają autorytet robota, że podążają za jego poleceniami, nawet gdy nie mają one sensu. Tak było np. podczas eksperymentu, w czasie którego osoby ewakuowane z – symulowanego – pożaru, podążały za poleceniami robota, mimo że wskazał im on drogę ewakuacji przez ciemne pomieszczenie bez widocznego wyjścia.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Inżynierowie z Politechniki Federalnej w Lozannie (EPFL) wykorzystali ChatGPT-3 do zaprojektowania robotycznego ramienia do zbierania pomidorów. To pierwszy przykład użycia sztucznej inteligencji do pomocy w projektowaniu robotów. Eksperyment przeprowadzony przez Josie Hughes, dyrektor Laboratorium Obliczeniowego Projektowania i Wytwarzania Robotów na Wydziale Inżynierii EPFL, doktoranta Francesco Stellę i Cosimo Della Santinę z Uniwersytetu Technicznego w Delfcie, został opisany na łamach Nature Machine Intelligence.
Naukowcy opisali korzyści i ryzyka związane z wykorzystaniem systemów sztucznej inteligencji (SI) do projektowania robotów. Mimo tego, że ChatGPT to model językowy i generuje tekst, to dostarczył nam on istotnych wskazówek odnośnie fizycznego projektu i wykazał się wielkim potencjałem pobudzania ludzkiej kreatywności, mówi Hughes.
Naukowcy najpierw „przedyskutowali” z ChatGPT samą ideę robota, określili, czemu ma on służyć, opisali jego parametry i specyfikację. Na tym etapie rozmawiali z SI na temat przyszłych wyzwań stojących przed ludzkością oraz robotów-ogrodników, które mogą rozwiązać problem niedoborów siły roboczej przy uprawie roślin. Następnie, korzystając z faktu, że ChatGPT ma dostęp do danych naukowych, podręczników i innych źródeł, zadawali mu pytania o to na przykład, jakimi cechami powinien charakteryzować się przyszły robot-ogrodnik.
Gdy już cechy te zostały opisane i zdecydowano, że chodzi o robotyczne ramię zbierające pomidory, przyszedł czas na zapytanie się sztucznej inteligencji o takie szczegóły jak np. kształt chwytaka oraz poproszenie jej o dane techniczne ramienia oraz kod, za pomocą którego byłoby ono kontrolowane. Przeprowadzone przez SI obliczenia posłużyły nam głównie do pomocy inżynierom w implementacji rozwiązań technicznych. Jednak po raz pierwszy sztuczna inteligencja sformułowała tutaj nowe pomysły, mamy tutaj zatem do czynienia ze zautomatyzowaniem procesów wyższych poziomów poznawczych. Rola człowieka w całym procesie przesunęła się bardziej w stronę techniczną, mówi Stella.
Naukowcy zwracają też uwagę na problemy związane z wykorzystaniem podobnych systemów. Są to zarówno podnoszone już wątpliwości dotyczące plagiatów czy praw autorskich, jak i np. pytanie o to, na ile innowacyjna jest sztuczna inteligencja i na ile ulega schematom. ChatGPT zaproponował ramię do zbierania pomidorów, gdyż uznał pomidory za najbardziej wartościową uprawę, dla której warto zaprojektować robota. To zaś może po prostu oznaczać, że wybrał tą roślinę, która jest najczęściej opisywana, a nie tę, która jest najbardziej potrzebna.
Pomimo różnych zastrzeżeń uczeni uważają, że podobne do ChatGPT modele językowe mogą spełniać niezwykle użyteczną rolę. Specjaliści od robotyki muszą się zastanowić, jak wykorzystać te narzędzia w sposób etyczny i przynoszący korzyść społeczeństwu, mówi Hughes.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Po zbadaniu szczątków słoni sprzed 125 000 lat naukowcy z Uniwersytetu Johannesa Gutenberga z Moguncji i Uniwersytetu w Lejdzie doszli do wniosku, że neandertalczycy musieli żyć w większych grupach, niż się powszechnie uważa. Szczątki około 70 zwierząt zostały odkryte z latach 80. w pobliżu Halle w wielkiej odkrywce górniczej, zamienionej obecnie w sztuczne jezioro. Należą one do gatunku Palaeoloxodon antiquus, największego zwierzęcia lądowego plejstocenu. Gatunek ten był większy od mamuta, a waga dorosłego osobnika mogła sięgać 13 ton.
Mamy tutaj najstarsze pewne dowody, że ludzie polowali na słonie. Zabijanie tych zwierząt i podział mięsa były jednymi ze sposobów na zdobywanie żywności przez żyjących tutaj neandertalczyków, mówi współautor badań, profesor Wil Roebroeks z Uniwersytetu w Lejdzie. Z przeprowadzonych badań wynika, że przez 2–4 tysiące lat zamieszkujący te tereny neandertalczycy byli miej mobilni i tworzyli znacznie większe grupy społeczne, niż się dotychczas wydawało. Nie poddawali się naturze. Kształtowali ją, np. za pomocą ognia, i mieli olbrzymi wpływ na populację największych zwierząt żyjących wówczas na lądzie.
Na podstawie wieku oraz płci słoni, których szczątki badano, naukowcy doszli do wniosku, że neandertalczycy nie korzystali z mięsa słoni, które padły, tylko aktywnie na nie polowali. Szczątki należały bowiem głównie do samców i niewiele było wśród nich szczątków młodych słoni. To wskazuje, że wybierano największe i najzdrowsze sztuki, by je upolować. Samce słoni prowadzą przeważnie samotniczy tryb życia, łatwiej jest więc je upolować niż poruszające się w stadach i chroniąc młode samice. Dostarczają też dużo mięsa. Dorosłe 10-tonowe zwierzę mogło zapewnić co najmniej 2500 porcji pożywienia. Neandertalczycy musieli sobie jakoś z tym poradzić, albo konserwując żywność na dłuższy czas – a na ten temat nie mamy żadnej wiedzy – albo przez prosty fakt, że żyli w znacznie większych grupach, niż sądzimy.
Na kościach zwierząt znaleziono typowe ślady oddzielania mięsa. Odkryto też ślady ognisk, a naukowcy wysunęli hipotezę, że neandertalczycy budowali rusztowania, na których wieszali mięso i suszyli je nad ogniem, w ten sposób je konserwując.
Trudno jest jednak powiedzieć, w jak dużych grupach żyli neandertalczycy. Współcześni łowcy-zbieracze tworzą grupy od 15 do 30 osób. Średnio jest to 25 osób. Uznaje się, że grupy neandertalczyków były mniejsze.
Zdaniem autorów badań, rozebranie tuszy Palaeoloxodon antiquus zajmowało 25 ludziom od 3 do 5 dni. Myśliwi musieli się spieszyć, by mięso nie zaczęło się psuć. A musimy pamiętać, że nie mogli jeść tylko mięsa. Dieta oparta wyłącznie na białku zwierzęcym grozi poważnymi komplikacjami, które pojawiają się bardzo szybko w wyniku niedoboru węglowodanów oraz tłuszczów i może doprowadzić do śmierci. Dlatego też musieli zajmować się również zdobywaniem innego pożywienia. Biorąc zaś pod uwagę, jak olbrzymią ilość mięsa pozyskiwali z jednego zabitego P. antiquus można przypuszczać, że było ono dzielone wśród dużej grupy. Wystarczało go bowiem na 3 miesiące dla 25 osób, pod warunkiem, że grupa potrafiła przez tak długi czas przechować zdobycz.
« powrót do artykułu -
przez KopalniaWiedzy.pl
W Parku Archeologicznym Pompejów pracę rozpoczął Spot, czworonożny robot, który pomaga w monitorowaniu zabytkowego miejsca i dba o bezpieczeństwo jego pracowników. Spot przeprowadza inspekcję ruin, dostarczając nagrań, które następnie są wykorzystywane podczas badań archeologicznych i podejmowania decyzji dotyczących m.in. konieczności przeprowadzenia prac zabezpieczających.
Spot pracuje w ramach szerszego projektu o nazwie Smart @ POMPEI. W jego ramach tworzony jest inteligentny samowystarczalny system zarządzania Parkiem. Obecnie w ramach projektu pracują Leica BLK2FLY, czyli pierwszy latający skaner laserowy zdolny do autonomicznego wykonywania skanów 3D oraz wspomniany już Spot firmy Boston Dynamics. Analizą danych dostarczonych przez urządzenia zajmują się specjalne stworzone na potrzeby Pompejów inteligentne platformy.
Postęp technologiczny w dziedzinie robotyki, sztucznej inteligencji i systemów autonomicznych doprowadził do pojawienia się rozwiązań, które łatwo znalazły zastosowanie w przemyśle i produkcji. Dotychczas nie stosowano takich rozwiązań w archeologii, gdyż to rozległe heterogeniczne środowisko. Dzisiaj, dzięki współpracy z przemysłem wysokich technologii chcemy przetestować roboty w podziemnych tunelach wykopanych przez złodziei rabujących Pompeje. Tunele takie to często bardzo niebezpieczne miejsca. Dzięki robotom będziemy w stanie szybko i bezpiecznie je eksplorować, mówi dyrektor Parku Gabriel Zuchtriegel.
Od 2012 roku aktywność złodziei rabujących Pompeje wyraźnie się zmniejszyła, gdyż włoska policja zintensyfikowała wysiłki na rzecz walki z nimi. Jednak na terenie otaczającym Pompeje wciąż znajdowane są nowe tunele wykopane przez rabusiów.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Cassie, pierwszy dwunożny robot używający maszynowego uczenia się do kontroli otoczenia w czasie poruszania się na zewnątrz, przeszedł do historii, przebywając samodzielnie 5 kilometrów w czasie około 53 minut. Robot powstał pod kierunkiem profesora Jonathana Hursta, a na jego powstanie grant w wysokości 1 miliona dolarów przyznała DARPA (Agencja Badawcza Zaawansowanych Projektów Obronnych).
Robot powstał w 2017 roku i od tego czasu Narodowa Fundacja Nauki finansowała dalsze badania nad nim. Pracujący przy Cassie naukowcy i studenci skupili się na opracowaniu mechanizmów maszynowego uczenia się.
Cassie nauszył się biegać korzystając z algorytmu deep reinforcement learning. Dzięki niemu robot nauczył się nieprzerwanego dokonywania drobnych korekt pozycji, balansowania, by utrzymać się w pionie podczas biegu. "Cassie jest bardzo wydajny, gdyż z takim zamysłem był projektowany i budowany. Chcemy dotrzeć do granic możliwości tego sprzętu i pokazać, na co go stać", mówi doktorant Jeremy Dao z Dynamic Robotics Laboratory. Deep reinforcement learning to potężny algorytm, który daje możliwość nauczenia robota takich czynności jak bieganie, skakanie czy wchodzenie i schodzenie po schodach, dodaje Yesh Godse.
Naukowcy twierdzą, że pewnego dnia widok robota na ulicy będzie równie powszechny jak widok samochodu. I roboty, podobnie jak samochody, znacząco zmienią nasze życie.
Obecnie poważnym ograniczeniem w rozpowszechnieniu się robotów jest zrozumienie przemieszczania się z użyciem kończyn. Jednak na tym polu dokonuje się duży postęp.
Wspomniana na wstępie 5-kilometrowa przebieżka zajęła Cassie 53 minuty i 3 sekundy. Wliczono w to około 6,5 minuty, jakich było potrzeba, by robot zresetował się po dwóch upadkach. Przyczyną pierwszego było przegrzanie komputera, przyczyną drugiego, zbyt duża prędkość podczas zakręcania.
Cassie już wcześniej nauczył się chodzić po schodach, a proces uczenia możemy oglądać na poniższym filmie.
« powrót do artykułu
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.