Kurang daripada dua tahun lalu, DARPA melancarkan program Mesin Pembelajaran Sepanjang Hayat (L2M) untuk mencipta sistem robotik pembelajaran berterusan dengan unsur kecerdasan buatan. Program L2M sepatutnya membawa kepada kemunculan platform pembelajaran kendiri yang boleh menyesuaikan diri mereka dengan persekitaran baharu tanpa pengaturcaraan atau latihan terlebih dahulu. Ringkasnya, robot perlu belajar daripada kesilapan mereka, dan tidak belajar dengan mengepam set data templat dalam persekitaran makmal.
Program L2M melibatkan 30 kumpulan penyelidikan dengan jumlah pembiayaan yang berbeza-beza. Baru-baru ini, salah satu kumpulan dari University of Southern California menunjukkan kemajuan yang meyakinkan dalam mencipta platform robotik pembelajaran kendiri, seperti yang dilaporkan dalam edisi Mac Nature Machine Intelligence.
Pasukan penyelidik dari universiti itu diketuai oleh Francisco J. Valero-Cuevas, profesor kejuruteraan bioperubatan, biokinesiologi dan terapi fizikal. Berdasarkan algoritma yang dibangunkan oleh kumpulan itu, yang berdasarkan mekanisme tertentu fungsi organisma hidup, urutan tindakan kecerdasan buatan dicipta untuk mengajar pergerakan robot pada empat anggota badan. Dilaporkan bahawa anggota tiruan dalam bentuk tendon tiruan, otot dan tulang dapat belajar berjalan dalam masa lima minit selepas menjalankan algoritma.
Selepas pelancaran pertama, proses itu tidak sistematik dan huru-hara, tetapi kemudian AI mula cepat menyesuaikan diri dengan realiti dan berjaya mula berjalan tanpa pengaturcaraan terlebih dahulu. Pada masa hadapan, kaedah latihan sepanjang hayat robot yang dicipta tanpa latihan ML awal dengan set data boleh disesuaikan untuk melengkapkan kereta awam dengan autopilot dan untuk kenderaan robotik tentera. Walau bagaimanapun, teknologi ini mempunyai lebih banyak prospek dan kawasan penggunaan. Perkara utama ialah algoritma tidak menganggap seseorang sebagai salah satu halangan dalam pembangunan dan tidak belajar apa-apa yang buruk.
Sumber: 3dnews.ru