ใน Berkeley Talks ตอนที่ 164 Jitendra Malik ศาสตราจารย์ด้านวิศวกรรมไฟฟ้า และวิทยาการคอมพิวเตอร์ที่ UC Berkeley ให้การบรรยายวิจัยของคณะ Martin Meyerson Berkeley ในปี 2023 ที่มีชื่อว่า “The sensorimotor road to Artificial intelligence” “ฉันยินดีที่ได้พูดคุยในหัวข้อที่ร้อนแรงมากในวันนี้” มาลิก เริ่มต้น “แต่ฉันจะพูดถึงปัญญาธรรมชาติก่อน เพราะเราไม่สามารถพูดถึงปัญญาประดิษฐ์ โดยปราศจากความรู้บางอย่างเกี่ยวกับความหลากหลายทางธรรมชาติ
In Berkeley Talks episode 164, Jitendra Malik, a professor of electrical engineering and computer sciences at UC Berkeley, gives the 2023 Martin Meyerson Berkeley Faculty Research Lecture called, “The sensorimotor road to artificial intelligence.” “It’s my pleasure to talk on this very, very hot topic today,” Malik begins. “But I’m going to talk about natural intelligence first because we can’t talk about artificial intelligence without knowing something about the natural variety
Berkeley Talks: Jitendra Malik บนเส้นทางเซนเซอร์มอเตอร์สู่ปัญญาประดิษฐ์
ใน Berkeley Talks ตอนที่ 164 Jitendra Malik ศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและวิทยาการคอมพิวเตอร์ที่ UC Berkeley ให้การบรรยายวิจัยของคณะ Martin Meyerson Berkeley ในปี 2023 ที่มีชื่อว่า “The sensorimotor road to Artificial intelligence”
“ฉันยินดีที่ได้พูดคุยในหัวข้อที่ร้อนแรงมากในวันนี้” มาลิกเริ่มต้น “แต่ฉันจะพูดถึงปัญญาธรรมชาติก่อน เพราะเราไม่สามารถพูดถึงปัญญาประดิษฐ์ โดยปราศจากความรู้บางอย่างเกี่ยวกับ ความหลากหลายทางธรรมชาติ
“เราสามารถพูดถึงความฉลาดได้เมื่อประมาณ 550 ล้านปี ที่แล้ว ในยุคแคมเบรียน เมื่อเรามีสัตว์หลายเซลล์ตัวแรกที่เคลื่อนไหวได้” เขากล่าวต่อ “ดังนั้น สัตว์เหล่านี้จึงเป็นสัตว์กลุ่มแรกที่เคลื่อนไหวได้ และนั่นทำให้พวกมันได้เปรียบ เพราะพวกมันสามารถหาอาหารได้จากที่ต่างๆ แต่ถ้าจะเคลื่อนที่หาอาหารไปในที่ต่างๆ ต้องรับรู้ ต้องรู้ว่าจะไปที่ไหน หมายความว่า ต้องมีระบบการมองเห็นหรือระบบการรับรู้ และนั่นคือเหตุผลที่เรามีสโลแกนนี้ ซึ่งมาจากกิบสัน “เราเห็นเพื่อที่จะเคลื่อนไหว และเราเคลื่อนไหวเพื่อที่จะได้เห็น”
เพื่อให้หุ่นยนต์มีความสามารถในการนำทางภูมิประเทศ ที่เฉพาะเจาะจง เช่น บันไดหินหรือบันได มาลิกกล่าวว่า หุ่นยนต์ต้องการระบบการมองเห็นบางอย่าง
“แต่เราจะฝึกระบบการมองเห็นได้อย่างไร” เขาถาม “เราต้องการให้มันเรียนรู้ในป่า นี่คือสัญชาตญาณของเรา: ถ้าคุณนึกถึงหุ่นยนต์ที่อยู่บนบันได การรับรู้อากัปกิริยา ประสาทสัมผัส มุมร่วมของมันสามารถปล่อยให้มันคำนวณความลึกของขาซ้าย และขาขวาของมัน และอื่นๆ มีรูปทรงเรขาคณิตนั้นจากมุมร่วมจากสถานะภายใน แล้วใช้ฝึกได้ไหมครับ แนวคิดคือการรับรู้อากัปกิริยาจะทำนายความลึกของขาทุกข้าง และระบบการมองเห็นจะได้รับภาพ สิ่งที่เราขอให้ระบบวิชันซิสเต็มทำคือ การคาดเดาว่าความลึก จะเท่ากับเท่าใดในอีก 1.5 วินาทีต่อมา
“นั่นคือแนวคิด — ที่คุณเพียงแค่เปลี่ยนสัญญาณที่จะรู้ในอีก 1.5 วินาทีต่อมา และใช้สิ่งนั้นในการทำนายขั้นสูงนี้ ดังนั้นเราจึงมีหุ่นยนต์ตัวนี้ซึ่งเรียนรู้ไปวันแล้ววันเล่า ในวันแรกมันเงอะงะ วันที่สอง ขึ้นไปอีก แล้วในที่สุด วันที่สาม คุณจะเห็นว่ามัน … ทำให้สุดทาง”
การบรรยายของ Malik ซึ่งจัดขึ้นเมื่อ วันที่ 20 มีนาคม เป็นครั้งแรกในชุดการบรรยายสาธารณะที่ Berkeley ในฤดูใบไม้ผลินี้ โดยผู้เชี่ยวชาญชั้นนำของโลกเกี่ยวกับปัญญาประดิษฐ์ วิทยากรคนอื่น ๆ ในซีรีส์นี้จะรวมถึง Berkeley Ph.D. ผู้รับ John Schulman ผู้ร่วมก่อตั้ง OpenAI และสถาปนิกหลักของ ChatGPT; ศาสตราจารย์เกียรติคุณที่ MIT และผู้เชี่ยวชาญด้านหุ่นยนต์ชั้นนำ และคณาจารย์ชั้นนำด้าน AI ของ Berkeley อีก 4 คน ซึ่งจะหารือเกี่ยวกับความก้าวหน้าล่าสุด ในด้านการมองเห็นของคอมพิวเตอร์การเรียนรู้ของเครื่อง และวิทยาการหุ่นยนต์