Ha az ember Isten képmására teremtetett, egy mesterséges intelligenciának egy Kelp nevű alaszkai malamut lesz az istene: az eszkimók által háziasított fajta egy mesterséges intelligencia kifejlesztésében játszik kulcsszerepet: a gép tőle tanulja meg, milyen kutyaként viselkedni, kutyául gondolkodni.

A tudástermelésben, tudásszimulációban a gépi tanulás korunk talán legtrendibb módszere és hívószava. Ahelyett, hogy minden szabályt részletesen beprogramoznák, szabadítsuk rá a  mesterséges neurális hálózatokat egy kellőképpen nagy adatbázisra, melyben mintázatokat keresve maguk tanulják meg és reprodukálják az adott rendszer működését.

A „rendszer” nagy statisztikai adatoktól fikciós történeteken át a városi közlekedésig tulajdonképpen bármi lehet – a mostani fejlesztés azonban tényleg új: ezúttal ugyanis, talán először, egy állat viselkedése az, amit a mesterséges intelligencia megpróbál megtanulni. Kelp a modellkutya, akin keresztül általában is gépi tanulással vizsgálják most a kutyák viselkedését. A fejére egy GoPro kamerát tettek, testére és lábaira pedig mozgásérzékelő szenzorokat – a Verge a módszert ahhoz hasonlítja, mint amikor Hollywoodban színészek mozgása alapján kreálnak CGI-os mozgóképeket.

Az így gyűjtött adatokat vizsgálták gépi tanulásos módszerekkel, és az eredmény elég ígéretes: számos egyszerűbb helyzetben kizárólag a kutya megismert viselkedése alapján az AI egy csomó mindent megtanult. Kelp „segítségével” jól azonosítja például a lépcsőket, amiken fel lehet menni; felismeri az ételt; az akadályokat; az embereket; a járműveket. Bár ezek elég szimpla dolognak tűnhetnek, egy robotba beprogramozni mindezt már nagyon összetett feladat lenne.

A kutatók próbaképpen két szempont alapján vizsgálták a kutyaviselkedésen edzett intelligenciát, és az mindkettőn remekül vizsgázott: remekül felismeri a vizsgált színtereket (kint, bent, lépcsőn, erkélyen), valamint a „járható felületeket”, vagyis azokat a részeket, melyeken biztonságosan lehet közlekedni – kizárva például a túl meredeket.

„Azt feltételeztük, hogy a kutyák nagyon jól felismerik, hogy merre sétálhatnak – hová szabad menniük, és hová nem” –, nyilatkozta a kutatást vezető Kiana Ehsani. „Ez nagyon nehéz feladat egy számítógépnek, mert nagyon sok előzetes tudást igényel.”

Igaz, egyelőre megvannak a határozott korlátok is. Az olyan összetettebb kérdéseknél például, hogy mondjuk egy eldobott labdát visszahoz-e egy kutya, a mesterséges intelligencia sem tud még jósolni (ezzel persze néha még a gazdák is így vannak). Elméletibb szinten is fontos, hogy az AI valójában semmit nem tud a kutyák gondolkodásáról, csak a viselkedésüket figyeli meg inger–reakció alapon. Igaz, ez általában is jellemzi a gépi tanulásos folyamatokat: pszichológiai hasonlattal élve, a viselkedés megfigyelhető részére korlátozódó behaviorista modellen alapulnak.

Mégis lényeges: most először a kutyák tanítják a gépeinket; könnyen lehet, hogy hamarosan már összetettebb feladatokra is. Hogy hogyan kerülik el az autókat, vagy hogyan birkóznak meg a lépcsőkkel, az ember által alkotott robotoknak is tanulságos lehet. És egyszer talán nemcsak a gépeink, de mi magunk is képesek leszünk tanulni a kutyáktól, akár a gépek közvetítésével.