လွန်ခဲ့သော နှစ်နှစ်ခန့်က DARPA သည် ဉာဏ်ရည်တုပါ၀င်သည့် အစိတ်အပိုင်းများဖြင့် စဉ်ဆက်မပြတ်သင်ယူနေသော စက်ရုပ်စနစ်များကို ဖန်တီးရန်အတွက် Lifelong Learning Machines (L2M) ပရိုဂရမ်ကို စတင်ခဲ့သည်။ L2M ပရိုဂရမ်သည် ကြိုတင်ပရိုဂရမ်ရေးဆွဲခြင်း သို့မဟုတ် လေ့ကျင့်မှုမပါဘဲ ပတ်ဝန်းကျင်အသစ်နှင့် လိုက်လျောညီထွေဖြစ်စေမည့် ကိုယ်ပိုင်သင်ယူမှုပလက်ဖောင်းများ ပေါ်ပေါက်လာစေရန် ဦးတည်သွားမည်ဖြစ်သည်။ ရိုးရိုးရှင်းရှင်းပြောရလျှင် စက်ရုပ်များသည် ၎င်းတို့၏ အမှားများမှ သင်ယူခဲ့ရပြီး ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်တွင် နမူနာပုံစံဒေတာများကို စုပ်ယူခြင်းဖြင့် မသင်ယူရပါ။
L2M ပရိုဂရမ်တွင် ရန်ပုံငွေပမာဏအမျိုးမျိုးဖြင့် သုတေသနအဖွဲ့ 30 ပါဝင်ပါသည်။ မကြာသေးမီကပင် ကယ်လီဖိုးနီးယားတောင်ပိုင်း တက္ကသိုလ်မှ အဖွဲ့တစ်ဖွဲ့သည် မတ်လထုတ် Nature Machine Intelligence တွင် အစီရင်ခံထားသည့်အတိုင်း ကိုယ်တိုင်လေ့လာနိုင်သော စက်ရုပ်ပလက်ဖောင်းများ ဖန်တီးရာတွင် ယုံကြည်စိတ်ချရသော တိုးတက်မှုကို ပြသခဲ့သည်။
တက္ကသိုလ်မှ သုတေသီအဖွဲ့ကို ဇီဝဆေးပညာအင်ဂျင်နီယာ၊ ဇီဝကမ္မဗေဒနှင့် ကာယကုထုံးဆိုင်ရာ ပါမောက္ခ Francisco J. Valero-Cuevas က ဦးဆောင်သည်။ အဖွဲ့မှ တီထွင်ထားသည့် အယ်လဂိုရီသမ်ကို အခြေခံ၍ သက်ရှိသက်ရှိများ၏ လုပ်ဆောင်မှုဆိုင်ရာ ယန္တရားများကို အခြေခံ၍ ခြေလက်လေးချောင်းပေါ်ရှိ စက်ရုပ်များ၏ လှုပ်ရှားမှုများကို သင်ကြားပေးရန်အတွက် ဉာဏ်ရည်တုလုပ်ဆောင်ချက်များ၏ အတွဲလိုက်ကို ဖန်တီးထားသည်။ အယ်လဂိုရီသမ်ကို လည်ပတ်ပြီးနောက် ငါးမိနစ်အတွင်း ခြေလက်အတုအရွတ်များ၊ ကြွက်သားများနှင့် အရိုးများက လမ်းလျှောက်ရန် သင်ယူနိုင်ခဲ့ကြောင်း သိရသည်။
ပထမအကြိမ် လွှင့်တင်ပြီးနောက်၊ လုပ်ငန်းစဉ်သည် စနစ်မကျဘဲ ဖရိုဖရဲဖြစ်ခဲ့သော်လည်း AI သည် လက်တွေ့ဘဝများနှင့် လျင်မြန်စွာ လိုက်လျောညီထွေဖြစ်အောင် စတင်လုပ်ဆောင်ကာ ကြိုတင်ပရိုဂရမ်မတင်ဘဲ အောင်မြင်စွာ လျှောက်လှမ်းနိုင်ခဲ့သည်။ အနာဂတ်တွင်၊ ဒေတာအစုံပါသော ပဏာမ ML လေ့ကျင့်မှုမပါဘဲ စက်ရုပ်များ၏ တစ်သက်တာလေ့ကျင့်ရေးနည်းလမ်းကို အရပ်ဘက်ကားများ autopilots များတပ်ဆင်ခြင်းနှင့် စစ်ဘက်စက်ရုပ်ယာဉ်များအတွက် လိုက်လျောညီထွေဖြစ်စေနိုင်သည်။ သို့သော်၊ ဤနည်းပညာသည် အလားအလာနှင့် အသုံးပြုမှုနယ်ပယ်များစွာရှိသည်။ အဓိကအချက်မှာ algorithm သည် လူတစ်ဦးအား ဖွံ့ဖြိုးတိုးတက်မှုတွင် အတားအဆီးတစ်ခုအဖြစ် မမှတ်ယူဘဲ ဆိုးရွားသည့်အရာများကို သင်ယူနိုင်ခြင်း မရှိပေ။
source: 3dnews.ru