អ្នកវិទ្យាសាស្ត្របង្ហាញពីវឌ្ឍនភាពនៃមនុស្សយន្តដែលរៀនដោយខ្លួនឯង។

តិចជាងពីរឆ្នាំមុន DARPA បានចាប់ផ្តើមកម្មវិធី Lifelong Learning Machines (L2M) ដើម្បីបង្កើតប្រព័ន្ធសិក្សាមនុស្សយន្តជាបន្តបន្ទាប់ជាមួយនឹងធាតុផ្សំនៃបញ្ញាសិប្បនិម្មិត។ កម្មវិធី L2M ត្រូវបានគេសន្មត់ថានឹងនាំទៅដល់ការលេចចេញនូវវេទិកាសិក្សាដោយខ្លួនឯង ដែលអាចសម្របខ្លួនពួកគេទៅនឹងបរិយាកាសថ្មីដោយមិនចាំបាច់មានកម្មវិធីឬការបណ្តុះបណ្តាលពីមុនមក។ និយាយឱ្យសាមញ្ញ មនុស្សយន្តត្រូវតែរៀនពីកំហុសរបស់ពួកគេ ហើយមិនរៀនដោយការបូមទិន្នន័យគំរូនៅក្នុងបរិយាកាសមន្ទីរពិសោធន៍នោះទេ។

កម្មវិធី L2M ពាក់ព័ន្ធនឹងក្រុមស្រាវជ្រាវចំនួន 30 ជាមួយនឹងចំនួនទឹកប្រាក់ផ្សេងៗគ្នានៃមូលនិធិ។ ថ្មីៗនេះ ក្រុមមួយក្នុងចំណោមក្រុមមកពីសាកលវិទ្យាល័យ Southern California បានបង្ហាញពីវឌ្ឍនភាពគួរឱ្យជឿជាក់ក្នុងការបង្កើតវេទិកាមនុស្សយន្តដែលរៀនដោយខ្លួនឯង ដូចដែលបានរាយការណ៍នៅក្នុងទស្សនាវដ្តី Nature Machine Intelligence ចេញផ្សាយខែមីនា។

ក្រុមអ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យនេះដឹកនាំដោយ Francisco J. Valero-Cuevas សាស្ត្រាចារ្យផ្នែកវិស្វកម្មជីវវេជ្ជសាស្ត្រ ជីវគីមីវិទ្យា និងការព្យាបាលដោយរាងកាយ។ ដោយផ្អែកលើក្បួនដោះស្រាយដែលបង្កើតឡើងដោយក្រុមដែលផ្អែកលើយន្តការជាក់លាក់នៃដំណើរការនៃសារពាង្គកាយមានជីវិត លំដាប់នៃសកម្មភាពបញ្ញាសិប្បនិម្មិតត្រូវបានបង្កើតឡើងដើម្បីបង្រៀនចលនាមនុស្សយន្តនៅលើអវយវៈទាំងបួន។ វាត្រូវបានគេរាយការណ៍ថាអវយវៈសិប្បនិម្មិតនៅក្នុងទម្រង់នៃសរសៃពួរ សាច់ដុំ និងឆ្អឹងអាចរៀនដើរក្នុងរយៈពេល 5 នាទីបន្ទាប់ពីការរត់ក្បួន។

បន្ទាប់ពីការបើកដំណើរការលើកដំបូង ដំណើរការមិនមានប្រព័ន្ធ និងមានភាពច្របូកច្របល់ ប៉ុន្តែបន្ទាប់មក AI បានចាប់ផ្តើមសម្របខ្លួនយ៉ាងឆាប់រហ័សទៅនឹងការពិត ហើយចាប់ផ្តើមដើរដោយជោគជ័យដោយមិនមានការសរសេរកម្មវិធីជាមុន។ នៅពេលអនាគត វិធីសាស្រ្តដែលបានបង្កើតនៃការបណ្តុះបណ្តាលមនុស្សយន្តពេញមួយជីវិតដោយគ្មានការបណ្តុះបណ្តាល ML បឋមជាមួយនឹងសំណុំទិន្នន័យអាចត្រូវបានកែសម្រួលសម្រាប់បំពាក់រថយន្តស៊ីវិលជាមួយអ្នកបើកបរស្វ័យប្រវត្តិ និងសម្រាប់រថយន្តមនុស្សយន្តយោធា។ ទោះជាយ៉ាងណាក៏ដោយ បច្ចេកវិទ្យានេះមានការរំពឹងទុក និងតំបន់នៃការប្រើប្រាស់កាន់តែច្រើន។ រឿងចំបងគឺថាក្បួនដោះស្រាយមិនយល់ថាមនុស្សម្នាក់ជាឧបសគ្គមួយក្នុងការអភិវឌ្ឍន៍និងមិនរៀនអ្វីអាក្រក់។

ប្រភព: 3dnews.ru