A Rubik-kocka kirakása többségünknek két kézzel is kemény feladat, az egy kezes módszer pedig a feladvány megfejtésének képességén túl olyan komoly kézügyességet is igényel, ami emberként is óriási kihívás. Az OpenAI nevű cég fejlesztői viszont létrehoztak egy robotkezet, amely akár három perc alatt is képes megoldani a feladatot.
A fejlesztők, akiknek az előző nagy dobása egy olyan mesterséges intelligencia volt, amely képes volt legyőzni a legjobb emberi játékosokat a Dota 2 nevű játékban, egy kereskedelmi forgalomban kapható, a Shadow Robot Company által gyártott robotkézből indultak ki. Ezt kötötték össze egy saját fejlesztésű MI-vel, amely próbálkozáson és hibázáson alapuló, úgynevezett megerősítéses tanulással tanulta meg irányítani a nagyon mozgékony kezet. Ez a gyakorlatban azt jelenti, hogy a rendszer eredetileg semmit sem tudott a kézmozgásokról vagy a kocka viselkedéséről, hanem ezeket mind próba-szerencse alapon tapasztalta ki.
A mesterséges intelligencia jutalompontokat kapott, ha sikerült elsajátítania egy, a végső feladat szempontjából hasznos mozdulatot, például átfordítani egy sort a kockán, és úgy programozták, hogy minél magasabb pontszámra törekedjen. Összesen mintegy 13 ezer évnek megfelelő hosszúságú időt töltött szimulációban tanulással mielőtt élesben tesztelték volna új ismereteit. A finommozgások megtanulás nagyon nehéz feladat egy ilyen rendszer számára, hiszen a kéz és a tárgy bármely időpillanatban számos ponton érintkezik, így rengeteg változót kell figyelembe venni, mondja Lilian Weng, a fejlesztői csapat egyik tagja.
A rendszert vizuális szenzorok és egy erre a célra szánt Rubik-kocka megoldó algoritmus segítette abban, hogy hogyan forgassa a kockát, így az új MI-nek csak magukra a fizikai mozdulatokra kellett koncentrálnia, ami persze még így sem volt könnyű. A robotkéz azonban meglepően alkalmazkodóképesnek bizonyult, és többek közt olyan apróságokat is megtanult, mint hogy hogyan korrigálhatja, ha véletlenül túlforgatta valamelyik oldalt egy mozdulat kivitelezése közben.
A kocka kirakási ideje nagyban függött attól, hogy az mennyire volt összekeverve, de volt, hogy mindössze három perc alatt végzett a robot. A fejlesztők reményei szerint a rendszer idővel másfajta finommozgások elvégzésére is képes lehet, így több területen is hasznosulhat.
