Patrzył w lustro godzinami. Efekt?

Humanoidalny robot opanował ruchy warg niezbędne do mówienia i śpiewania – i zrobił to bez odgórnie zaprogramowanych reguł. Zamiast tego uczył się jak człowiek: obserwując własne odbicie w lustrze oraz analizując mimikę ludzi. Efekt? Maszyna potrafi artykułować słowa w różnych językach, a nawet wykonała utwór ze swojego debiutanckiego albumu wygenerowanego przez sztuczną inteligencję, zatytułowanego „Hello World”.

Jak podkreślają badacze z Columbia University, podczas rozmowy twarzą w twarz niemal połowa ludzkiej uwagi skupia się na ruchu warg rozmówcy. Tymczasem nawet najbardziej zaawansowane roboty humanoidalne ograniczają się zwykle do bardzo prostych gestów ust, co sprawia, że ich mowa wygląda nienaturalnie i trudno ją zaakceptować.

Na łamach czasopisma Science Robotics naukowcy opisali jednak przełomowe podejście. Opracowany przez nich robot samodzielnie nauczył się sterować 26 silnikami twarzy. Najpierw „eksperymentował” z własną mimiką, obserwując ją w lustrze, a następnie przez wiele godzin analizował nagrania wideo z udziałem ludzi, dostępne m.in. na YouTube. Dzięki temu nauczył się naśladować subtelne ruchy warg towarzyszące mowie i śpiewowi.

– Im częściej robot będzie wchodził w interakcje z ludźmi, tym lepsza stanie się jego mimika – ocenia prof. Hod Lipson, jeden z twórców projektu. Badacze przyznają jednak, że technologia wciąż nie jest doskonała. Największym wyzwaniem pozostają twarde głoski, takie jak „b”, oraz dźwięki wymagające mocnego zaokrąglenia warg, jak „w”. Zdaniem zespołu są to jednak bariery, które z czasem uda się pokonać dzięki dalszej praktyce i treningowi algorytmów.

Naukowcy podkreślają, że synchronizacja ruchu warg to tylko element szerszej układanki. Połączenie realistycznej mimiki z konwersacyjną sztuczną inteligencją ma nadać interakcjom człowieka z robotem zupełnie nową jakość – bardziej naturalną i emocjonalną.

Ich zdaniem ekspresja twarzy to „brakujące ogniwo” w rozwoju robotyki humanoidalnej. Dotychczas większość wysiłków koncentrowała się na ruchach rąk i nóg, potrzebnych do chodzenia czy chwytania przedmiotów. Tymczasem w zastosowaniach wymagających kontaktu z człowiekiem – w edukacji, medycynie, rozrywce czy opiece nad seniorami – realistyczna twarz może okazać się równie ważna jak sprawne kończyny.

Eksperci przypominają, że według niektórych prognoz w ciągu najbliższej dekady na świecie może powstać ponad miliard humanoidów. Jeśli tak się stanie, zdolność do naturalnej, „ludzkiej” komunikacji może zadecydować o tym, czy roboty zostaną przez nas zaakceptowane.

red./PAP