3D-printete ståldeler, følsomme roboter og selvlært AI best

3D-printete ståldeler, følsomme roboter og selvlært AI best

FREDAGSTECH: Spennende smånyheter som du kanskje har gått glipp av denne uken: 3D-printete bygningskomponenter, roboter med følsom «hud» og overmenneskelig selvlært AI.

3D-printete bygningskomponenter

Arup er et stort britisk engineeringkonsern som ikke er redd for å ta på seg sære oppgaver når bygninger og andre konstruksjoner skal realiseres. Selskapet fikk sitt internasjonale gjennombrudd gjennom sitt bidrag til oppføringen av operabygningen i Sydney, men har også en lang rekke andre ikoniske prosjekter bak seg, som for eksempel OL-stadionet i Beijing, det såkalte «Fugleredet», Pompidou-senteret i Paris, London Eye og Øresundsbroa mellom Danmark og Sverige.

Det er liten tvil om at dette selskapet ikke lar seg psyke ut av selv de villeste ideer som arkitekter på tilsynelatende sterke medisiner kan komme opp med. Det er heller ingen overraskelse at et slikt selskap gjør mye forskning på hvordan avanserte bygg og konstruksjoner kan bygges i framtiden, og de har i flere år sett på 3D-printing for konstruksjoner.

Den umiddelbare ideen med å bruke 3D-printing til bygg, er selvsagt å printe konstruksjonsdeler med stål. Det jobbet Arup med for noen år siden, og framstilte eksotiske ledd for stålkonstruksjoner. Denne metoden åpner for produksjon av spesialdesignete deler til lavere kostnad og med langt mindre materialsvinn enn med tradisjonelle metoder.

Nå har Arup tatt 3D-printing inn i en tidligere fase av prosessen. Å printe med stål er stadig både komplisert og dyrt i den skalaen som trenges. Dermed har ingeniørene i selskapet heller brukt 3D-printing til å lage støpeformer av sand. Dette gjør selve 3D-printingen enklere og langt billigere, og deretter kan klassiske støpeteknikker fremstille de unike delene som trenges i avanserte konstruksjoner. Så gjenstår det bare å se hva arkitektene klarer å drømme opp med de nye mulighetene.

Følsomme roboter

Vi mennesker vet nøyaktig hvor hardt vi skal gripe noe. Det er sjeldent vi tar i noe med alle krefter, fordi det ikke er nødvendig, eller vil ødelegge det vi tar i. Tenk på et egg – det må vi gripe passe lett, slik at vi ikke knuser det. Tar vi i det for løst, så vil det skli i fingrene, og da strammer vi grepet inntil det ikke lenger sklir.

Dette kan tradisjonelle roboter ingen ting om. Riktig nok finnes det roboter med sensorer som forteller hvor hardt de griper, men de vet ingen ting om det er passelig trykk. Dersom gjenstanden de håndterer sklir, så vet ikke roboten noe om det, og egget går i gulvet med et knas. Fram til nå.

Ingeniører ved University of Washington og University of California, Los Angeles (UCLA) har nå utviklet «digital hud» til roboter, som føler når grepet er i ferd med å glippe, melder nettsiden Tech Crunch. Det er løst ved å bruke silikon, der det er skåret tynne kanaler i materialet som så er fylt med et elektrisk ledende flytende metall. Når denne «huden» beveger seg sideveis fordi det fingeren griper rundt sklir, så komprimeres eller strekkes huden tilsvarende. Det gjør at de elektriske egenskapene til metallet i huden endres, og det kan en sensor oppfatte. Da kan roboten vite at enten sklir grepet eller så sklir gjenstanden som gripes.

Dette åpner naturligvis nye muligheter for alle former for roboter som håndterer ting, og kanskje særlig for avanserte proteser.

Selvlært AI best i Go

I fjor fikk vi høre at Googles maskinlæringssystem Deepmind Alphago hadde slått (den menneskelige) verdensmesteren i strategispillet Go. Nå har dette systemet gått et langt skritt videre, ved å utvikle strategier ingen menneskelige spillere har kommet opp med i spillets 3000-årige historie. Alphago Zero har gjort det ved å lære seg selv om spillet, ved å trene i noen uker uten menneskelig styring, skriver magasinet Nature.

Den forrige utgaven av Alphago lærte seg strategier ved å studere 100.000 spill, spilt av menneskelige eksperter i Go. Denne gangen lærte AI-en ved å begynne fra null, og spille tilfeldige trekk mot seg selv. Etter 40 dager og 30 millioner partier, ble Alphago Zero i stand til å slå den regjerende mesteren, AI-en Deepmind Alphago Master.

Teknikken som den nye AI-en brukte for å lære seg å vinne i Go, heter på engelsk «reinforcement learning», eller målrettet læring på norsk. Den er basert på at AI-en får prøve seg fram uten menneskelig detaljstyring, og sjekker resultater underveis mot et på forhånd oppsatt mål.

Dette er et viktig steg på veien mot å utvikle en generell AI som kan løse enhver oppgave.

 

Les om: