Пред помалку од две години, DARPA ја лансираше програмата Машини за доживотно учење (L2M) за создавање роботски системи за континуирано учење со елементи на вештачка интелигенција. Програмата L2M требаше да доведе до појава на платформи за самостојно учење кои би можеле да се прилагодат на нова средина без претходно програмирање или обука. Едноставно кажано, роботите мораа да учат од своите грешки, а не да учат со пумпање множества од шаблонски податоци во лабораториска средина.
Програмата L2M вклучува 30 истражувачки групи со различни износи на финансирање. Неодамна, една од групите од Универзитетот во Јужна Калифорнија покажа убедлив напредок во создавањето роботски платформи за самостојно учење, како што е објавено во мартовското издание на Nature Machine Intelligence.
Тимот на истражувачи од Универзитетот го предводи Франциско Ј. Валеро-Куевас, професор по биомедицинско инженерство, биокинезиологија и физикална терапија. Врз основа на алгоритмот развиен од групата, кој се заснова на одредени механизми на функционирање на живите организми, создадена е низа од дејства со вештачка интелигенција за да го научи роботот да се движи на четири екстремитети. Се известува дека вештачките екстремитети во форма на имитација на тетиви, мускули и коски можеле да научат да одат во рок од пет минути по извршувањето на алгоритмот.
По првото лансирање, процесот беше несистематски и хаотичен, но потоа вештачката интелигенција почна брзо да се прилагодува на реалноста и успешно почна да оди без претходно програмирање. Во иднина, создадениот метод за доживотно тренирање на роботи без прелиминарна обука за ML со сетови на податоци може да се прилагоди за опремување на цивилни автомобили со автопилоти и за воени роботски возила. Сепак, оваа технологија има многу повеќе перспективи и области на употреба. Главната работа е што алгоритмот не ја перцепира личноста како една од пречките во развојот и не учи ништо лошо.
Извор: 3dnews.ru