സ്വയം പഠിക്കുന്ന റോബോട്ടുകളിൽ ശാസ്ത്രജ്ഞർ പുരോഗതി കാണിക്കുന്നു

രണ്ട് വർഷങ്ങൾക്ക് മുമ്പ്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഘടകങ്ങൾ ഉപയോഗിച്ച് തുടർച്ചയായി പഠിക്കുന്ന റോബോട്ടിക് സംവിധാനങ്ങൾ സൃഷ്ടിക്കുന്നതിനായി ലൈഫ് ലോംഗ് ലേണിംഗ് മെഷീനുകൾ (L2M) പ്രോഗ്രാം DARPA ആരംഭിച്ചു. മുൻകൂർ പ്രോഗ്രാമിംഗോ പരിശീലനമോ ഇല്ലാതെ തന്നെ ഒരു പുതിയ പരിതസ്ഥിതിയിൽ സ്വയം പൊരുത്തപ്പെടാൻ കഴിയുന്ന സ്വയം-പഠന പ്ലാറ്റ്‌ഫോമുകളുടെ ആവിർഭാവത്തിലേക്ക് L2M പ്രോഗ്രാം നയിക്കേണ്ടതായിരുന്നു. ലളിതമായി പറഞ്ഞാൽ, റോബോട്ടുകൾക്ക് അവരുടെ തെറ്റുകളിൽ നിന്ന് പഠിക്കേണ്ടതുണ്ട്, കൂടാതെ ഒരു ലബോറട്ടറി പരിതസ്ഥിതിയിൽ ടെംപ്ലേറ്റ് ഡാറ്റയുടെ സെറ്റ് പമ്പ് ചെയ്ത് പഠിക്കരുത്.

L2M പ്രോഗ്രാമിൽ 30 റിസർച്ച് ഗ്രൂപ്പുകൾ ഉൾപ്പെടുന്നു, അതിൽ വ്യത്യസ്തമായ ഫണ്ടിംഗ് ഉണ്ട്. അടുത്തിടെ, സതേൺ കാലിഫോർണിയ സർവകലാശാലയിൽ നിന്നുള്ള ഗ്രൂപ്പുകളിലൊന്ന്, നേച്ചർ മെഷീൻ ഇന്റലിജൻസിന്റെ മാർച്ച് ലക്കത്തിൽ റിപ്പോർട്ട് ചെയ്തതുപോലെ, സ്വയം-പഠന റോബോട്ടിക് പ്ലാറ്റ്‌ഫോമുകൾ സൃഷ്ടിക്കുന്നതിൽ ബോധ്യപ്പെടുത്തുന്ന പുരോഗതി കാണിച്ചു.

ബയോമെഡിക്കൽ എഞ്ചിനീയറിംഗ്, ബയോകൈനേഷ്യോളജി, ഫിസിക്കൽ തെറാപ്പി പ്രൊഫസറായ ഫ്രാൻസിസ്കോ ജെ വലേറോ-ക്യൂവാസാണ് സർവകലാശാലയിലെ ഗവേഷകരുടെ സംഘത്തെ നയിക്കുന്നത്. ജീവജാലങ്ങളുടെ പ്രവർത്തനത്തിന്റെ ചില സംവിധാനങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള ഗ്രൂപ്പ് വികസിപ്പിച്ച അൽഗോരിതം അടിസ്ഥാനമാക്കി, നാല് കൈകാലുകളിൽ റോബോട്ട് ചലനങ്ങൾ പഠിപ്പിക്കുന്നതിന് കൃത്രിമ ഇന്റലിജൻസ് പ്രവർത്തനങ്ങളുടെ ഒരു ശ്രേണി സൃഷ്ടിച്ചു. ഇമിറ്റേഷൻ ടെൻഡോണുകളുടെയും പേശികളുടെയും എല്ലുകളുടെയും രൂപത്തിലുള്ള കൃത്രിമ കൈകാലുകൾക്ക് അൽഗോരിതം പ്രവർത്തിപ്പിച്ച് അഞ്ച് മിനിറ്റിനുള്ളിൽ നടക്കാൻ പഠിക്കാൻ കഴിഞ്ഞുവെന്ന് റിപ്പോർട്ട്.

ആദ്യ വിക്ഷേപണത്തിന് ശേഷം, പ്രക്രിയ ക്രമരഹിതവും താറുമാറായതുമായിരുന്നു, എന്നാൽ പിന്നീട് AI യാഥാർത്ഥ്യങ്ങളുമായി വേഗത്തിൽ പൊരുത്തപ്പെടാൻ തുടങ്ങി, മുൻകൂർ പ്രോഗ്രാമിംഗ് ഇല്ലാതെ വിജയകരമായി നടക്കാൻ തുടങ്ങി. ഭാവിയിൽ, ഡാറ്റാ സെറ്റുകളുള്ള പ്രാഥമിക ML പരിശീലനമില്ലാതെ റോബോട്ടുകളുടെ ആജീവനാന്ത പരിശീലന രീതി, സിവിലിയൻ കാറുകളെ ഓട്ടോപൈലറ്റുകൾ ഉപയോഗിച്ച് സജ്ജീകരിക്കുന്നതിനും സൈനിക റോബോട്ടിക് വാഹനങ്ങൾക്കും അനുയോജ്യമാക്കാം. എന്നിരുന്നാലും, ഈ സാങ്കേതികവിദ്യയ്ക്ക് കൂടുതൽ സാധ്യതകളും ഉപയോഗ മേഖലകളും ഉണ്ട്. പ്രധാന കാര്യം, അൽഗോരിതം ഒരു വ്യക്തിയെ വികസനത്തിലെ തടസ്സങ്ങളിലൊന്നായി കാണുന്നില്ല, മോശമായ ഒന്നും പഠിക്കുന്നില്ല എന്നതാണ്.

അവലംബം: 3dnews.ru