کمتر از دو سال پیش، دارپا برنامه ماشینهای یادگیری مادامالعمر (L2M) را برای ایجاد سیستمهای روباتیک یادگیری مداوم با عناصر هوش مصنوعی راهاندازی کرد. برنامه L2M قرار بود منجر به ظهور پلتفرمهای خودآموزی شود که میتوانند بدون برنامهنویسی یا آموزش قبلی، خود را با یک محیط جدید وفق دهند. به زبان ساده، روباتها باید از اشتباهات خود درس میگرفتند، نه با پمپاژ مجموعهای از دادههای الگو در محیط آزمایشگاهی.
برنامه L2M شامل 30 گروه تحقیقاتی با مقادیر مختلف بودجه است. اخیراً، یکی از گروههای دانشگاه کالیفرنیای جنوبی پیشرفت قانعکنندهای در ایجاد پلتفرمهای رباتیک خودآموز نشان داد، همانطور که در شماره ماه مارس مجله Nature Machine Intelligence گزارش شده است.
تیم محققین این دانشگاه توسط فرانسیسکو جی. والرو-کوواس، استاد مهندسی پزشکی، بیوکینزیولوژی و فیزیوتراپی هدایت می شود. بر اساس الگوریتم توسعه یافته توسط این گروه، که مبتنی بر مکانیسم های خاصی از عملکرد موجودات زنده است، دنباله ای از اقدامات هوش مصنوعی برای آموزش حرکات ربات در چهار دست و پا ایجاد شد. گزارش شده است که اندام های مصنوعی به شکل تاندون های تقلیدی، ماهیچه ها و استخوان ها توانستند در عرض پنج دقیقه پس از اجرای الگوریتم راه رفتن را بیاموزند.
پس از اولین پرتاب، فرآیند غیرسیستماتیک و بی نظم بود، اما پس از آن هوش مصنوعی شروع به تطبیق سریع با واقعیت ها کرد و با موفقیت بدون برنامه ریزی قبلی راه رفتن را آغاز کرد. در آینده، روش ایجاد شده برای آموزش مادامالعمر رباتها بدون آموزش اولیه ML با مجموعه دادهها را میتوان برای تجهیز خودروهای غیرنظامی به خلبان خودکار و برای وسایل نقلیه روباتیک نظامی تطبیق داد. با این حال، این فناوری چشم اندازها و زمینه های استفاده بسیار بیشتری دارد. نکته اصلی این است که الگوریتم شخص را به عنوان یکی از موانع توسعه درک نمی کند و چیز بدی را یاد نمی گیرد.
منبع: 3dnews.ru