Դեռևս երկու տարի առաջ DARPA-ն գործարկեց Lifelong Learning Machines (L2M) ծրագիրը՝ արհեստական ինտելեկտի տարրերով շարունակաբար սովորող ռոբոտային համակարգեր ստեղծելու համար: Ենթադրվում էր, որ L2M ծրագիրը կհանգեցներ ինքնաուսուցման հարթակների առաջացմանը, որոնք կարող էին հարմարվել նոր միջավայրին՝ առանց նախնական ծրագրավորման կամ վերապատրաստման: Պարզ ասած, ռոբոտները պետք է սովորեին իրենց սխալներից և ոչ թե սովորեին՝ լաբորատոր միջավայրում կաղապարային տվյալների հավաքածուներ հավաքելով:
L2M ծրագիրը ներառում է 30 հետազոտական խմբեր՝ տարբեր չափերի ֆինանսավորմամբ: Վերջերս Հարավային Կալիֆորնիայի համալսարանի խմբերից մեկը ցույց տվեց համոզիչ առաջընթաց ինքնուսուցման ռոբոտային հարթակներ ստեղծելու գործում, ինչպես նշված է Nature Machine Intelligence-ի մարտի համարում:
Համալսարանի հետազոտողների թիմը գլխավորում է կենսաբժշկական ճարտարագիտության, բիոկինեզիոլոգիայի և ֆիզիկական թերապիայի պրոֆեսոր Ֆրանսիսկո Ջ. Վալերո-Կուևասը: Խմբի մշակած ալգորիթմի հիման վրա, որը հիմնված է կենդանի օրգանիզմների գործունեության որոշակի մեխանիզմների վրա, ստեղծվել է արհեստական ինտելեկտի գործողությունների հաջորդականություն՝ ռոբոտին չորս վերջույթների վրա շարժումներ սովորեցնելու համար։ Հաղորդվում է, որ արհեստական վերջույթները իմիտացիոն ջլերի, մկանների և ոսկորների տեսքով կարողացել են սովորել քայլել ալգորիթմը գործարկելուց հետո հինգ րոպեի ընթացքում։
Առաջին մեկնարկից հետո գործընթացը անհամակարգ ու քաոսային էր, բայց հետո AI-ն սկսեց արագ հարմարվել իրականությանը և հաջողությամբ սկսեց քայլել առանց նախնական ծրագրավորման: Ապագայում ռոբոտների ցմահ վերապատրաստման ստեղծած մեթոդը առանց տվյալների հավաքածուների նախնական ML ուսուցման կարող է հարմարեցվել քաղաքացիական մեքենաները ավտոմատ օդաչուներով և ռազմական ռոբոտային մեքենաների համար: Այնուամենայնիվ, այս տեխնոլոգիան ունի շատ ավելի մեծ հեռանկարներ և օգտագործման ոլորտներ: Գլխավորն այն է, որ ալգորիթմը մարդուն չի ընկալում որպես զարգացման խոչընդոտներից մեկը և վատ բան չի սովորում։
Source: 3dnews.ru