Antaŭ malpli ol du jaroj, DARPA lanĉis la programon Lifelong Learning Machines (L2M) por krei kontinue lernajn robotsistemojn kun elementoj de artefarita inteligenteco. La L2M-programo laŭsupoze kaŭzis la aperon de memlernantaj platformoj kiuj povis adaptiĝi al nova medio sen antaŭa programado aŭ trejnado. Simple dirite, robotoj devis lerni de siaj eraroj, kaj ne lerni pumpante arojn da ŝablonaj datumoj en laboratoriomedio.
La L2M-programo implikas 30 esplorgrupojn kun ŝanĝiĝantaj kvantoj de financado. Ĵus, unu el la grupoj de la Universitato de Suda Kalifornio montris konvinkan progreson en kreado de memlernantaj robotaj platformoj, kiel raportite en la marta numero de Nature Machine Intelligence.
La teamo de esploristoj de la universitato estas gvidata de Francisco J. Valero-Cuevas, profesoro pri biomedicina inĝenierado, biokinezologio kaj fizika terapio. Surbaze de la algoritmo evoluigita de la grupo, kiu baziĝas sur iuj mekanismoj de funkciado de vivantaj organismoj, sekvenco de artefarita inteligenteco agoj estis kreita por instrui la robotajn movojn sur kvar membroj. Oni raportas, ke artefaritaj membroj en la formo de imititaj tendenoj, muskoloj kaj ostoj povis lerni marŝi ene de kvin minutoj post funkciado de la algoritmo.
Post la unua lanĉo, la procezo estis nesistema kaj kaosa, sed tiam la AI komencis rapide adaptiĝi al la realaĵoj kaj sukcese ekmarŝis sen antaŭa programado. En la estonteco, la kreita metodo de dumviva trejnado de robotoj sen prepara ML-trejnado kun datumaj aroj povas esti adaptita por ekipi civilajn aŭtojn per aŭtopilotoj kaj por armeaj robotaj veturiloj. Tamen, ĉi tiu teknologio havas multe pli da perspektivoj kaj areoj de uzo. La ĉefa afero estas, ke la algoritmo ne perceptas homon kiel unu el la obstakloj en disvolviĝo kaj ne lernas ion malbonan.
fonto: 3dnews.ru