For mindre end to år siden lancerede DARPA programmet Lifelong Learning Machines (L2M) for at skabe kontinuerligt lærende robotsystemer med elementer af kunstig intelligens. L2M-programmet skulle føre til fremkomsten af selvlærende platforme, der kunne tilpasse sig et nyt miljø uden forudgående programmering eller træning. Enkelt sagt måtte robotter lære af deres fejl og ikke lære ved at pumpe sæt skabelondata op i et laboratoriemiljø.
L2M-programmet involverer 30 forskergrupper med varierende støttebeløb. For nylig viste en af grupperne fra University of Southern California overbevisende fremskridt med at skabe selvlærende robotplatforme, som rapporteret i marts-udgaven af Nature Machine Intelligence.
Holdet af forskere fra universitetet ledes af Francisco J. Valero-Cuevas, professor i biomedicinsk teknik, biokinesiologi og fysioterapi. Baseret på algoritmen udviklet af gruppen, som er baseret på visse funktionsmekanismer for levende organismer, blev en sekvens af kunstig intelligens-handlinger skabt for at lære robottens bevægelser på fire lemmer. Det er rapporteret, at kunstige lemmer i form af imiterede sener, muskler og knogler var i stand til at lære at gå inden for fem minutter efter at have kørt algoritmen.
Efter den første lancering var processen usystematisk og kaotisk, men så begyndte AI hurtigt at tilpasse sig realiteterne og begyndte med succes at gå uden forudgående programmering. Den skabte metode til livslang træning af robotter uden foreløbig ML-træning med datasæt kan i fremtiden tilpasses til at udstyre civile biler med autopiloter og til militære robotkøretøjer. Denne teknologi har dog meget flere muligheder og anvendelsesområder. Det vigtigste er, at algoritmen ikke opfatter en person som en af forhindringerne i udviklingen og ikke lærer noget dårligt.
Kilde: 3dnews.ru