Tidak dapat menemukan kunci mobil Anda? Robot akan mengingat lebih baik dari Anda
Seperti mesin kopi dan Roombas, robot pendamping ini -- ditambah dengan kamera dan algoritme AI -- akan segera menjadi perlengkapan rumah tangga bagi kita sebagai manusia yang semakin mengalami gangguan memori.
Pada tahun 2015, saluran informasi dibanjiri dengan laporan tentang rentang perhatian manusia yang turun drastis menjadi 8,25 detik untuk suatu tugas dasar. Yang lebih memalukan lagi adalah satu rincian dalam laporan tersebut: Kemampuan manusia untuk fokus tercatat lebih rendah dibandingkan rentang perhatian ikan mas, yang mencapai 9 detik.
Anda hampir bisa mendengar desahan lega ketika ternyata semua ini tidak benar. (Ikan mas rupanya punya ingatan dan bisa belajar!)
Benih mitos yang sangat dipercaya ini rupanya disebarkan dalam laporan Microsoft. Namun, jika Anda menghilangkan informasi sensasional yang tersebar ke dalam laporan berita yang tak terhitung banyaknya, fakta-fakta yang mendasarinya ternyata sangat mengkhawatirkan.
Rentang perhatian kita menyusut.
Siap untuk melupakan
Dr. Gloria Mark, profesor informatika di University of California, Irvine, yang mempelajari bagaimana media digital memengaruhi kehidupan kita, telah menulis sebuah buku memvalidasi anggapan bahwa kemampuan kita untuk fokus berada dalam bahaya.
“Pada tahun 2004, kami mengukur rata-rata perhatian pada layar menjadi dua setengah menit,” tulis Mark. “Beberapa tahun kemudian, kami menemukan rentang perhatian sekitar 75 detik. Sekarang kami menemukan orang hanya dapat memperhatikan satu layar selama rata-rata 47 detik,” katanya.
Rentang perhatian rata-rata dari 150 detik menjadi 47 detik hanya dalam 10 tahun merupakan penurunan menakjubkan yang dapat berdampak besar pada spesies kita.
Banyak ilmuwan menunjuk pada suatu kondisi yang disebut penurunan kognitif yang terjadi di antara kita sebagai manusia karena kita semakin bergantung pada teknologi untuk melakukan hal-hal yang biasa kita lakukan dengan menggunakan otak kita.
Ketika Anda menghentikan otak Anda dari melakukan hal-hal sulit seperti membaca peta untuk mencapai tujuan Anda dibandingkan menggunakan GPS seperti Google Maps untuk memandu Anda ke sana, Anda mengerem hal-hal yang membantu spesies Anda berevolusi.
Ini menjadi putaran umpan balik yang kejam. “Setelah Anda berhenti menggunakan memori, hal ini akan menjadi lebih buruk, yang membuat Anda lebih sering menggunakan perangkat Anda,” kata Profesor Oliver Hardt, yang mempelajari neurobiologi memori dan lupa di McGill University di Montreal.
“Kami dapat memperkirakan bahwa penggunaan GPS dalam waktu lama kemungkinan besar akan mengurangi kepadatan materi abu-abu di hipokampus…. Sistem navigasi berbasis GPS tidak mengharuskan Anda membuat peta geografis yang rumit. Sebaliknya, sistem tersebut hanya memberi tahu Anda orientasi, seperti 'belok kiri di cahaya berikutnya,'" kata Hardt.
Mendengarkan aplikasi peta tidak terlalu melibatkan hipokampus, tidak seperti dipaksa untuk berinteraksi dengan peta fisik, yang memerlukan proses kognitif yang jauh lebih besar dan kompleks. Dan hal ini mempunyai dampak buruk bagi kita.
Hardt menunjuk pada pemetaan otak orang-orang yang telah lama menggunakan GPS sebagai bukti konklusif -- mereka menunjukkan gangguan nyata dalam kemampuan memori spasial yang memerlukan hipokampus.
Maka tidak mengherankan jika rata-rata orang Amerika menghabiskan 2,5 hari dalam setahun untuk mencari sesuatu, dan menghabiskan biaya penggantian sebesar $2,7 miliar. Dari kelompok ini, generasi milenial diperkirakan dua kali lebih mungkin salah menaruh barang dibandingkan generasi boomer.
Banyak indikasi terukur lainnya yang telah menandakan sesuatu yang buruk di tempat kerja; misalnya, rata-rata orang mengangkat teleponnya lebih dari 1.500 kali per minggu. Faktanya, kehadiran smartphone saja sudah menurunkan kemampuan kognitif.
Hardt belum memiliki datanya, namun dia yakin bahwa "akibat dari hal ini mungkin adalah peningkatan demensia yang sangat besar."
Reboot memori
Solusi Universitas Waterloo untuk menemukan barang yang hilang melibatkan melengkapi robot Ambil dengan algoritma AI dan kamera
Apa arti semua ini bagi masyarakat kita? Kita harus bersiap menghadapi masa depan di mana kita tidak dapat melakukan hal-hal paling mendasar -- baik kita menderita demensia atau tidak. Dengan kata lain, kita harus menemukan cara untuk bertahan hidup dan hidup di era yang berpotensi mengalami gangguan memori kronis.
Dalam konteks tersebut terdapat dua solusi yang sangat cerdik dan relatif murah yang telah dirancang untuk menavigasi dunia penyandang gangguan memori.
Sebuah tim peneliti dari Universitas Waterloo di Ontario, Kanada telah merancang robot pendamping dengan memori episodiknya sendiri yang, meskipun awalnya dibuat dengan mempertimbangkan pasien demensia, namun dipuji karena kemampuannya membantu siapa saja yang biasanya pelupa.
Jika masalah ingatan kita saat ini menjadi lebih buruk, robot pendamping seperti itu bisa menjadi perlengkapan penting di rumah seperti mesin kopi atau penyedot debu Roomba.
Tim peneliti Waterloo memulai dengan robot manipulator seluler Fetch, yang dilengkapi kamera internal dan jaringan saraf konvolusional. Dengan menggunakan pembelajaran mendalam dan algoritma pendeteksian objek, para peneliti mengajarkan robot untuk mengidentifikasi, melacak, dan menyimpan catatan memori objek di dalam ruangan. Ini disimpan dalam video dengan kemampuan untuk mencatat waktu dan tanggal ketika objek masuk atau keluar dari bidang penglihatan robot.
Para peneliti juga mengembangkan antarmuka grafis yang memungkinkan pengguna memilih objek yang ingin dilacak.
Dengan kata lain, jika Anda lupa di mana terakhir kali Anda meninggalkan ponsel di ruang tamu, Anda cukup mengetikkan nama objek yang hilang di antarmuka tersebut, dan lokasi objek tersebut akan terungkap kepada Anda.
Peneliti utama Ali Ayub, seorang rekan pasca-doktoral di bidang teknik elektro dan komputer di universitas tersebut, mengatakan bahwa akurasi pelacakan saat ini sekitar 90 persen tetapi terus meningkat.
“Dampak jangka panjang dari hal ini sungguh menarik,” kata Dr. Ayub. “Seorang pengguna dapat terlibat tidak hanya dengan robot pendamping tetapi juga robot pendamping yang dipersonalisasi yang dapat memberi mereka lebih banyak kebebasan.”
Tag dengan kenangan
Solusi MIT untuk barang hilang menggunakan lengan robot yang dilengkapi dengan antena nirkabel RFID yang dapat mendeteksi objek dengan tag RFID yang ditempelkan ke benda tersebut.
Para peneliti di MIT juga bergulat dengan masalah gangguan memori yang sama, namun menggunakan pendekatan yang berbeda. Mereka menggunakan lengan robot RFusion dengan kamera dan antena internal yang bekerja sama untuk mengenali dan mengeluarkan benda-benda yang mungkin tersembunyi dari pandangan oleh tumpukan benda.
Hal yang membuat solusi ini menarik adalah kesederhanaannya -- item memiliki tag RFID -- yang tidak memerlukan baterai dan murah -- ditempelkan ke item tersebut. (Identifikasi Frekuensi Radio -- alias RFID -- pada dasarnya adalah sistem nirkabel yang terdiri dari tag yang dapat memancarkan sinyal, dan pembaca yang memiliki antena yang dapat menerima dan menafsirkannya.)
Tidak peduli di mana objek berada dan berapa banyak benda yang ditumpuk di atasnya, sistem RFusion MIT dapat menariknya keluar (selama objek tersebut berada dalam zona tempat lengan robot beroperasi).
Dengan menggunakan pembelajaran mesin, lengan robotik -- yang terintegrasi dengan kamera dan antena -- mempertajam lokasi.
Setelah mampu menargetkan ruang yang tepat, jaringan saraf akan bertindak dengan menyatukan informasi dari tag RF serta isyarat visual berbasis AI dari kamera untuk membersihkan area dari objek lain yang mungkin terletak di atas objek tersebut. mencari.
Proses utama di sini disebut pembelajaran penguatan (reinforcement learning) -- di mana algoritme diajarkan untuk mengantarkan lengan robot ke tujuannya dalam gerakan sesedikit mungkin melalui sistem penghargaan komputasi.
Setelah menyesuaikan sudut dan lebar gripper, dan memverifikasi keakuratan tag RF untuk terakhir kalinya, lengan robot mengambil objek dan meletakkannya di satu sisi.
Bukan hanya orang dengan gangguan memori saja yang dapat memperoleh manfaat dari solusi elegan ini.
Berkat algoritme AI dan tag RFID, muncullah solusi baru yang hemat biaya yang dapat menavigasi tumpukan pesanan di gudang dan memenuhinya, atau bekerja di lingkungan industri apa pun yang memerlukan penanganan kompleksitas rantai pasokan.
“Gagasan untuk dapat menemukan benda-benda di dunia yang kacau ini merupakan masalah terbuka yang telah kami kerjakan selama beberapa tahun,” kata Fadel Adib, profesor di Departemen Teknik Elektro dan Ilmu Komputer di MIT.
“Memiliki robot yang mampu mencari sesuatu di bawah tumpukan merupakan kebutuhan yang semakin meningkat di industri saat ini,” tambahnya.