Alle kaksi vuotta sitten DARPA käynnisti Lifelong Learning Machines (L2M) -ohjelman luodakseen jatkuvasti oppivia robottijärjestelmiä, joissa on tekoälyn elementtejä. L2M-ohjelman piti johtaa itseoppivien alustojen syntymiseen, jotka pystyivät sopeutumaan uuteen ympäristöön ilman aiempaa ohjelmointia tai koulutusta. Yksinkertaisesti sanottuna robottien piti oppia virheistään, eikä oppia pumppaamalla mallitietoja laboratorioympäristössä.
L2M-ohjelmassa on mukana 30 tutkimusryhmää vaihtelevalla rahoituksella. Äskettäin yksi Etelä-Kalifornian yliopiston ryhmistä osoitti vakuuttavaa edistystä itseoppivien robottialustojen luomisessa, kuten Nature Machine Intelligence -lehden maaliskuussa kerrottiin.
Yliopiston tutkijaryhmää johtaa biolääketieteen tekniikan, biokinesiologian ja fysioterapian professori Francisco J. Valero-Cuevas. Ryhmän kehittämän algoritmin pohjalta, joka perustuu tiettyihin elävien organismien toimintamekanismeihin, luotiin tekoälyn toimintosarja, joka opettaa robotin liikkeitä neljällä raajalla. On raportoitu, että keinotekoiset raajat jäljitelmien jänteiden, lihasten ja luiden muodossa pystyivät oppimaan kävelemään viidessä minuutissa algoritmin suorittamisen jälkeen.
Ensimmäisen käynnistyksen jälkeen prosessi oli epäsysteeminen ja kaoottinen, mutta sitten tekoäly alkoi nopeasti mukautua todellisuuteen ja onnistui kävelemään ilman ennakkoohjelmointia. Tulevaisuudessa luotu menetelmä robottien elinikäiseen koulutukseen ilman alustavaa ML-koulutusta tietojoukoilla voidaan soveltaa siviiliautojen varustamiseen automaattiohjauksella ja sotilaallisiin robottiajoneuvoihin. Tällä tekniikalla on kuitenkin paljon enemmän mahdollisuuksia ja käyttöalueita. Tärkeintä on, että algoritmi ei pidä henkilöä yhtenä kehityksen esteenä eikä opi mitään pahaa.
Lähde: 3dnews.ru