추론하는 로봇 등장

특수로봇은 데이터를 어디에 저장하는지, 제품을 어떻게 조립하는지 알고 있을 것이다. 또한 사람들과 어떻게 상호작용을 하는지도 인지하고 있을 것이다. 그뿐만이 아니라 부품을 어떻게 한 장소에서 다른 장소로 운반을 하는지, 제품을 어떻게 포장을 하는지, 제조 공정 라인을 어떻게 바꾸는지에 대해서도 잘 알고 있을 것이다. 이러한 로봇을 갖춘 공장에서 인간 노동자들은 여전히 통제권을 쥐고 있을 것이며, 로봇은 이러한 인간을 도울 것이다. 계산보다도 추론하는 로봇이 중요하다. 로봇이 일상생활의 일부가 되도록 하는 두 번째 도전은 로봇의 추론 능력을 향상시키는 일이다. 오늘날 로봇은 세부적으로 프로그래밍된 대로 연산하므로 제한된 추론만 수행을 할 수 있다. 로봇이 하는 모든 동작은 간단한 명령에 따라 수행을 하게 된다. 또한 로봇이 추론할 수 있는 범위는 전부 로봇 프로그램 안에 담겨 있다. 더욱이 로봇이 센서를 통해 환경을 인식하는 능령은 상당히 제한 되어 있다. 예를 들어서 인간에게는 너무나도 쉽고 당연한 '제가 전에 여기 왔었나요?'와 같은 질문에 답을 하는 일이 로봇에게는 상당히 어려운 일이다. 로봇은 카메라나 스캐너와 같은 센서를 사용해서 자신이 방문했던 장소의 특징을 기록한다. 그러나 이미 관찰한 장소에서 본 물건이 우연히 새로운 장소에도 있을 때 그 특징을 구별하기는 매우 어렵다. 일반적으로, 로봇은 과도한 양의 하위 레벨 데이터를 수집한다. 머신러닝(인공지능의 한 분야로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다.)에 대한 최근 연구는 방대한 데이터에서 로봇에게 유용한 정보를 추출하게 해주는 알고리즘을 개발하는 데 초점을 두고 있다. 이러한 알고리즘 덕분에 로봇은 과거에 했던 작업을 요약할 수 있으며, 앞에서 언급한 '제가 전에 여기 왔었나요?'와 같은 질문에 답하기 위해 떠올려야 하는 장면 개수를 상당히 줄일 수 있을 것이다. 또한 로봇은 예기치 않은 상황에 대처할 수 없다. 즉 사전에 프로그래밍 되지 않은 상황에 직면하거나 능력 밖의 상황에 내 몰리면, 이러한 상황을 '오류'로 인식하고 작동을 멈춰버린다. 로봇은 때로는 문제의 원인을 전달할 수 없다. 로봇이 자신의 환경에 적을할 뿌만 아니라 사람들, 환경, 다른 기계들과 원활하게 상호작용을 허려면 스스로 자신의 프로그램을 이러한 주변 환경에 맞추는 법을 배워야 한다. 오늘날 로봇을 비롯해서 인터넷에 접속하는 모든 사람은 엄청난 양의 정보를 손쉽게 얻을 수 있다. 로봇도 이러한 정보를 발판 삼아 더 나은 결정을 할 수 있다. 예를 들어서 개를 산책시키는 로봇은 올라인상에서 일기에보를 찾을 수 있으므로, 자신이 저장한 정보를 참고해 이상적 산책 거리와 최적 노선을 정할 수 있다. 만약에 날씨가 덥거나 비가 온다면 거리를 줄일 수 있고, 날씨가 좋다면 개를 산책시키는 사람들이 주로 모이는 인근 공원까지 거리를 늘릴 수 있다. 로봇에세 필요한 작을 조력자가 필요하다. 로봇이 일상의 일부로 자리매김하기 위한 도전은 로봇 상호 간에 그리고 로봇과 인간 상호 간에 더욱 신뢰할 만한 커뮤니케이션을 쌓는 일이다. 오늘날 무선 기술이 발전하기는 했지만, 여전히 로봇 상호 간의 커뮤니케이션을 가로막는 장애물이 있다. 로봇이 어떠한 환경에서도 원활하게 커뮤니케이션을 할 수 있도록 모델링을 하고 예측을 하는 일은 여전히 어려운 상황이다. 현 수준의 커뮤니케이션 기술에 의존하는 로봇 제어 방식을 사용하면, 외부 신호와 데이터가 일으키는 잡음 때문에 명령을 보내거나 받기가 어려워진다. 로봇이 원할 때 해당 대역폭을 확보해줄 신뢰할 만한 커뮤니케이션이 필요하다. 한 가지 유망한 해결 방안은 모델링으로 예측하려 하는 일보다 로봇의 주변의 커뮤니케이션 질을 측정하는 일이다.