Hace menos de dos años, DARPA lanzó el programa Lifelong Learning Machines (L2M) para crear sistemas robóticos de aprendizaje continuo con elementos de inteligencia artificial. Se suponía que el programa L2M conduciría a la aparición de plataformas de autoaprendizaje que podrían adaptarse a un nuevo entorno sin programación ni formación previa. En pocas palabras, los robots tenían que aprender de sus errores y no aprender generando conjuntos de datos de plantillas en un entorno de laboratorio.
El programa L2M involucra a 30 grupos de investigación con distintos montos de financiación. Recientemente, uno de los grupos de la Universidad del Sur de California mostró avances convincentes en la creación de plataformas robóticas de autoaprendizaje, como se informó en la edición de marzo de Nature Machine Intelligence.
El equipo de investigadores de la universidad está liderado por Francisco J. Valero-Cuevas, catedrático de ingeniería biomédica, biokinesiología y fisioterapia. A partir del algoritmo desarrollado por el grupo, que se basa en ciertos mecanismos de funcionamiento de los organismos vivos, se creó una secuencia de acciones de inteligencia artificial para enseñar al robot los movimientos de cuatro extremidades. Se informa que las extremidades artificiales en forma de imitaciones de tendones, músculos y huesos pudieron aprender a caminar cinco minutos después de ejecutar el algoritmo.
Después del primer lanzamiento, el proceso fue poco sistemático y caótico, pero luego la IA comenzó a adaptarse rápidamente a la realidad y comenzó a caminar con éxito sin programación previa. En el futuro, el método creado de entrenamiento permanente de robots sin entrenamiento previo en ML con conjuntos de datos podrá adaptarse para equipar vehículos civiles con pilotos automáticos y vehículos robóticos militares. Sin embargo, esta tecnología tiene muchas más perspectivas y áreas de uso. Lo principal es que el algoritmo no percibe a la persona como uno de los obstáculos en el desarrollo y no aprende nada malo.
Fuente: 3dnews.ru