ນັກວິທະຍາສາດສະແດງໃຫ້ເຫັນຄວາມກ້າວຫນ້າໃນຫຸ່ນຍົນການຮຽນຮູ້ດ້ວຍຕົນເອງ

ຫນ້ອຍກວ່າສອງປີກ່ອນ, DARPA ໄດ້ເປີດຕົວໂຄງການ Lifelong Learning Machines (L2M) ເພື່ອສ້າງລະບົບການຮຽນຮູ້ຫຸ່ນຍົນຢ່າງຕໍ່ເນື່ອງດ້ວຍອົງປະກອບຂອງປັນຍາປະດິດ. ໂຄງການ L2M ຄາດວ່າຈະນໍາໄປສູ່ການປະກົດຕົວຂອງເວທີການຮຽນຮູ້ດ້ວຍຕົນເອງທີ່ສາມາດປັບຕົວເຂົ້າກັບສະພາບແວດລ້ອມໃຫມ່ໂດຍບໍ່ມີການດໍາເນີນໂຄງການຫຼືການຝຶກອົບຮົມກ່ອນ. ເວົ້າງ່າຍໆ, ຫຸ່ນຍົນຕ້ອງຮຽນຮູ້ຈາກຄວາມຜິດພາດຂອງພວກເຂົາ, ແລະບໍ່ໄດ້ຮຽນຮູ້ໂດຍການດູດເອົາຊຸດຂໍ້ມູນແບບຈໍາລອງໃນສະພາບແວດລ້ອມຫ້ອງທົດລອງ.

ໂຄງການ L2M ປະກອບມີ 30 ກຸ່ມຄົ້ນຄ້ວາທີ່ມີຈໍານວນທຶນທີ່ແຕກຕ່າງກັນ. ເມື່ອບໍ່ດົນມານີ້, ຫນຶ່ງໃນກຸ່ມຈາກມະຫາວິທະຍາໄລພາກໃຕ້ຂອງຄາລິຟໍເນຍໄດ້ສະແດງໃຫ້ເຫັນຄວາມຄືບຫນ້າທີ່ຫນ້າເຊື່ອຖືໃນການສ້າງເວທີຫຸ່ນຍົນການຮຽນຮູ້ດ້ວຍຕົນເອງ, ດັ່ງທີ່ໄດ້ລາຍງານໃນສະບັບເດືອນມີນາຂອງ Nature Machine Intelligence.

ທີມງານຂອງນັກຄົ້ນຄວ້າຈາກວິທະຍາໄລແມ່ນນໍາພາໂດຍ Francisco J. Valero-Cuevas, ອາຈານຂອງວິສະວະກໍາຊີວະພາບ, biokinesiology ແລະການປິ່ນປົວທາງດ້ານຮ່າງກາຍ. ໂດຍອີງໃສ່ສູດການຄິດໄລ່ທີ່ພັດທະນາໂດຍກຸ່ມ, ເຊິ່ງອີງໃສ່ກົນໄກບາງຢ່າງຂອງການເຮັດວຽກຂອງສິ່ງມີຊີວິດ, ລໍາດັບຂອງການປະຕິບັດປັນຍາປະດິດໄດ້ຖືກສ້າງຂື້ນເພື່ອສອນການເຄື່ອນໄຫວຂອງຫຸ່ນຍົນຢູ່ໃນສີ່ແຂນຂາ. ມັນໄດ້ຖືກລາຍງານວ່າແຂນຂາທຽມໃນຮູບແບບຂອງ tendons imitation, ກ້າມຊີ້ນແລະກະດູກສາມາດຮຽນຮູ້ທີ່ຈະຍ່າງພາຍໃນຫ້ານາທີຫຼັງຈາກແລ່ນ algorithm.

ຫຼັງຈາກການເປີດຕົວຄັ້ງທໍາອິດ, ຂະບວນການແມ່ນບໍ່ມີລະບົບແລະມີຄວາມວຸ່ນວາຍ, ແຕ່ຫຼັງຈາກນັ້ນ AI ໄດ້ເລີ່ມຕົ້ນທີ່ຈະປັບຕົວເຂົ້າກັບຄວາມເປັນຈິງຢ່າງໄວວາແລະປະສົບຜົນສໍາເລັດເລີ່ມຕົ້ນຍ່າງໂດຍບໍ່ມີໂຄງການກ່ອນ. ໃນອະນາຄົດ, ວິທີການທີ່ສ້າງຂຶ້ນຂອງການຝຶກອົບຮົມຫຸ່ນຍົນຕະຫຼອດຊີວິດໂດຍບໍ່ມີການຝຶກອົບຮົມ ML ເບື້ອງຕົ້ນກັບຊຸດຂໍ້ມູນສາມາດດັດແປງໄດ້ສໍາລັບການປະກອບລົດພົນລະເຮືອນດ້ວຍ autopilots ແລະສໍາລັບຍານພາຫະນະຫຸ່ນຍົນທະຫານ. ຢ່າງໃດກໍຕາມ, ເຕັກໂນໂລຊີນີ້ມີຄວາມສົດໃສດ້ານຫຼາຍແລະພື້ນທີ່ຂອງການນໍາໃຊ້. ສິ່ງທີ່ສໍາຄັນແມ່ນວ່າ algorithm ບໍ່ໄດ້ຮັບຮູ້ວ່າບຸກຄົນໃດຫນຶ່ງເປັນຫນຶ່ງໃນອຸປະສັກໃນການພັດທະນາແລະບໍ່ໄດ້ຮຽນຮູ້ສິ່ງທີ່ບໍ່ດີ.

ແຫຼ່ງຂໍ້ມູນ: 3dnews.ru