Lai na dwy flynedd yn ôl, lansiodd DARPA y rhaglen Peiriannau Dysgu Gydol Oes (L2M) i greu systemau robotig sy'n dysgu'n barhaus gydag elfennau o ddeallusrwydd artiffisial. Roedd y rhaglen L2M i fod i arwain at ymddangosiad llwyfannau hunan-ddysgu a allai addasu eu hunain i amgylchedd newydd heb raglennu na hyfforddiant blaenorol. Yn syml, roedd yn rhaid i robotiaid ddysgu o'u camgymeriadau, a pheidio â dysgu trwy bwmpio setiau o ddata templed mewn amgylchedd labordy.
Mae rhaglen L2M yn cynnwys 30 o grwpiau ymchwil gyda symiau amrywiol o gyllid. Yn ddiweddar, dangosodd un o’r grwpiau o Brifysgol De California gynnydd argyhoeddiadol wrth greu llwyfannau robotig hunanddysgu, fel yr adroddwyd yn rhifyn mis Mawrth o Nature Machine Intelligence.
Arweinir y tîm o ymchwilwyr o'r brifysgol gan Francisco J. Valero-Cuevas, athro peirianneg fiofeddygol, biokinesiology a therapi corfforol. Yn seiliedig ar yr algorithm a ddatblygwyd gan y grŵp, sy'n seiliedig ar fecanweithiau penodol o weithrediad organebau byw, crëwyd dilyniant o weithredoedd deallusrwydd artiffisial i ddysgu symudiadau'r robotiaid ar bedair aelod. Dywedir bod aelodau artiffisial ar ffurf tendonau ffug, cyhyrau ac esgyrn yn gallu dysgu cerdded o fewn pum munud ar ôl rhedeg yr algorithm.
Ar ôl y lansiad cyntaf, roedd y broses yn ansystematig ac yn anhrefnus, ond yna dechreuodd yr AI addasu'n gyflym i'r realiti a dechreuodd gerdded yn llwyddiannus heb raglennu ymlaen llaw. Yn y dyfodol, gellir addasu'r dull a grëwyd o hyfforddiant gydol oes robotiaid heb hyfforddiant ML rhagarweiniol gyda setiau data ar gyfer arfogi ceir sifil ag awtobeilotiaid ac ar gyfer cerbydau robotig milwrol. Fodd bynnag, mae gan y dechnoleg hon lawer mwy o ragolygon a meysydd defnydd. Y prif beth yw nad yw'r algorithm yn gweld person fel un o'r rhwystrau mewn datblygiad ac nid yw'n dysgu unrhyw beth drwg.
Ffynhonnell: 3dnewyddion.ru