Fa menys de dos anys, DARPA va llançar el programa Lifelong Learning Machines (L2M) per crear sistemes robòtics d'aprenentatge continu amb elements d'intel·ligència artificial. El programa L2M havia de conduir a l'aparició de plataformes d'autoaprenentatge que poguessin adaptar-se a un nou entorn sense programació ni formació prèvia. En poques paraules, els robots havien d'aprendre dels seus errors i no aprendre mitjançant l'acumulació de conjunts de dades de plantilles en un entorn de laboratori.
El programa L2M inclou 30 grups de recerca amb diferents quantitats de finançament. Fa poc, un dels grups de la Universitat del Sud de Califòrnia va mostrar un progrés convincent en la creació de plataformes robòtiques d'autoaprenentatge, tal com es va informar al número de març de Nature Machine Intelligence.
L'equip d'investigadors de la universitat està liderat per Francisco J. Valero-Cuevas, professor d'enginyeria biomèdica, biocinesiologia i teràpia física. A partir de l'algorisme desenvolupat pel grup, que es basa en determinats mecanismes de funcionament dels organismes vius, es va crear una seqüència d'accions d'intel·ligència artificial per ensenyar els moviments del robot en quatre extremitats. S'informa que les extremitats artificials en forma de tendons, músculs i ossos d'imitació van poder aprendre a caminar en cinc minuts després d'executar l'algorisme.
Després del primer llançament, el procés va ser poc sistemàtic i caòtic, però aleshores la IA va començar a adaptar-se ràpidament a les realitats i va començar a caminar amb èxit sense programació prèvia. En el futur, el mètode creat d'entrenament al llarg de la vida de robots sense entrenament preliminar de ML amb conjunts de dades es pot adaptar per equipar cotxes civils amb pilots automàtics i per a vehicles robòtics militars. Tanmateix, aquesta tecnologia té moltes més perspectives i àrees d'ús. El més important és que l'algoritme no percep una persona com un dels obstacles en el desenvolupament i no aprèn res dolent.
Font: 3dnews.ru