Puust ja punaseks puust ja punaseks rubriik on valminud haridus- ja teadusministeeriumi ning sihtasutuse Eesti teadusagentuur toetusele. Kuulad raadio kahte eetris on sellel nädalal kolmas uudist puust ja punaseks populaarteaduslike uudistesarjast. Me räägime siin robootika nagu ka homme, nagu eile ja nagu üleeile stuudios on Tartu Ülikooli robootika doktorant, altin ja Madis Aesma. Ja meie kolmas uudis puudutab nüüd siis natuke teistsugust valdkonda kui eelmised kaks, mida sellel nädalal oleme siis lahanud ja see on siis seotud robotitel navigeerimise kui või siis sellega, kuidas tänaval liikuvad robotid, miks mitte ka siis kullerrobotid või just eelkõige kullerrobotid leiavad üles enda sellise konkreetse sihtmärgina, tavapäraselt on siis seda tehtud nii, et roboteid on treenitud, oletatud lasknud neil siis sõita selles sihtkeskkonnas teatava aja jooksul ringi ja kaardistada kõik, mida nad siis enda ümber näevad. Ja hiljem, kui siis neile antakse ülesanne viia mingisugune kauboisid punktist A punkti B on neil see kaart justkui mälusid, sõidavad siis selle järgi. Aga oluliselt lihtsam oleks ju ikkagi see, kui robot saaks lähtuda. Ütleme siis sellisest semantikat ja teada, mis see on, mis teda ümbritseb näiteks? Noh, siis juhul kui robustne vust, siis ta teab, et see ongi uks, mitte see ei ole lihtsalt sihtmärk, seda võib niimoodi kokku võtta. Üldiselt küll jah, kuigi seda uudistes selles uudises ei olnud mainitud, aga see teema liigub veidike ikkagi tehisintellekti ja närvivõrguvaldkonda. Ja nende mõtte üldisel tasandil ongi see, et kui sina, Madis, ütleme või kõik inimesed, kes me elus oleme, oleme näinud tuhandeid ja tuhandeid uksi, siis me üldiselt oskame öelda, teame, milline üks uks välja näeb, isegi kui need uksed võivad väga erinevad, olla erinev värv, suurus, kuju. Ja kui me lähmegi kuhugi teise riiki kohtasime, saab ikkagi aru, et seal ukse ja nüüd minu mõte ongi seal robotile tehase sama asi selgeks. Ta suudaks, et, et jälle ei peaks sisse laadima, ma ei tea, kui nüüd üks kuller, kellel on kaasas 20 pakki, läheb mingisse linna, kus keegi pole kunagi varem käinud, robotitel pole seal linnakaarti lihtsalt robotid saaksid seal hakkama, leiaksid need uksed iseseisvalt üles kasutades lihtsalt varasemalt nii-öelda sisse töötanud algoritmi ja see, kuidas algoritm õppis oligi see, et talle anti ette üks selline piirkond kus oli 77 maja, sa võitis ping kaartide pealt, seal oli nii maapiirkonna linnapiirkonnad sees ja, ja ta siis proovis nende peal tuvastada, siis või viinast treenida ja hiljem siis algoritm laaditi roboti Lätis vaadata, kuidas see robot seal simulatsioonis hakkama sai. Ja siin on väga huvitav see, et see video, kus siis robotsimulatsioonis sõitis ja, ja proovis seda ust leida oli näidatud siis Youtube'is, et ta on viiekordse kiirendusega ehk alguses, kui ma vaatasin, et robot seal ukerdas ja ikkagi tegi veidikene valesid otsuseid ja hiljem sain aru, et ahaa Nad on juurde kirjutanud, et seal ikkagi kiirendusega siis robot reaalsusesse sõitis üsna aeglaselt ja võttis aega, et neid otsuseid teha, et et kui inimene või kuller seal samamoodi liiguks, siis mulle jätaksite küll mulje kui purjus inimesest, kes ei leia oma kodu Esivust üles. Aga see on tegelikult ju ikkagi, meetodid on oluliselt keerulisem kui see, et lihtsalt laad robotisse kaardi, kus on peal majade uksed, eks ole seda teha huumoriga, palju keerulisem ja, ja loomulikult ma ei tahtnudki sellega öelda, et see, see oleks edasiminek, see on kindlasti edasiminek, et vähemalt nende, selle video, selle meetodi autorid olid ausad ja panid sinna vida juurde kirjad selli, viiekordse kiirendusega, et et selles mõttes nad loovad sellele süsteemile rohkem dünaamikat või dünaamilisest, ET sõltuda vaata sellest, kuhu kohtadesse robot visata või saata. Ta saab seal hakkama. Ja, aga samas Tõesti, siis ta peab hakkama saama ka millegagi kaunis sellise abstraktse ka ehk siis mõistmisega, et üks ja sama asi võib olla täiesti erinev ja seesama asi võib olla erinevatel aegadel täiesti erinev ju ka sellepärast, et ütleme mingisuguse maja uks, isegi kui seda keegi ülevärvi siis see võib olla näiteks noh, ma ei kujuta ette suvel lihtsalt tavaline uks, talvel võib see olla, kui veel lund tuleb näiteks siis lumega kaetud, samuti võib langeda mõnikord näiteks mingisugusel aastaajal ühtmoodi vari ja siis see uks on justkui teistes toonides. See robot peab siis ikkagi just nimelt sellest sellest kontseptsioonist aru saama, et. Sama asi ei ole alati sama. Ta jah ja, ja selle, see viis, kuidas ta sellest üritab aru saada, on, ongi sisse uudne, algoritme inglise keeles olise kostu Ko ehk siis robot hindab alati seda, mida ta vaatab ja, ja annab sellele siis tõenäosuse või protsendi, et kui suure tõenäosusega see sinna minek või see suund, kuhu ta vaatab, viita sihile, et mis on siis see uks ja teatud mõttes tal on nagu osad kaardid kasutamisel siis nagu satelliidipildid kus ta siis on ära värvitud tema jaoks, et milline on sissesõidutee, kus on või milline heki ja siis kasutades neid andmeid ta siis üritab seda seda ust leida, et ta ei pruugi küll alati seda üles leida, aga ta vähemalt üritab minna suunda ja kohta, mis tema arvates selle roboti vaata, see on kõige tõenäolisemalt uks. Kusjuures sa just mainisid seda sissesõiduteede heki, need on siis ka robotile teatavaks tehtud, kui olulised viited sellele, et uks ilmselt on kusagil lähedal, sellepärast et tavaliselt need asjad käivad ju koos, eks ole. Ja ja, ja siin tulebki see suurim inimeste ja robotite erinevus, et inimesed õpivad, et meil on olemas närvivõrk ja, ja mälu ja pildid, meie andmetöötlus on, pilditöötlus on selles mõttes on nii efektiivne, et seda veel vähemalt üks robot, kes on pakirobot ei või ei suuda jäljendada, et selleks oleks vaja ikkagi väga suurt arvutusjõudlust, et, et töödelda seda informatsiooni, mida meie silmadega saame sama kiiresti nagu inimene teeb. Seda, kuidas robotile selgeks teha, mis asi, kas sellega tegelevad siis hetkel sotsialistid siin tehnikainstituudi ühe maailma juhtiva tehnikaülikooli teadlased koos siis fordi inimestega nagu siit sellest uudisest lugeda või homme sel nädala viimane puust ja punaseks episood eetris, siis on stuudios siin taas raadio kahes. Madis Aesma praegu nägemist. Puust ja punaseks, puust ja punaseks.
