Minder dan twee jaar geleden lanceerde DARPA het Lifelong Learning Machines (L2M)-programma om continu lerende robotsystemen te creëren met elementen van kunstmatige intelligentie. Het L2M-programma moest leiden tot de opkomst van zelflerende platforms die zichzelf konden aanpassen aan een nieuwe omgeving zonder voorafgaande programmering of training. Simpel gezegd moesten robots leren van hun fouten, en niet door sets sjabloongegevens op te pompen in een laboratoriumomgeving.
Bij het L2M-programma zijn 30 onderzoeksgroepen betrokken met verschillende financieringsbedragen. Onlangs liet een van de groepen van de University of Southern California overtuigende vooruitgang zien bij het creëren van zelflerende robotplatforms, zoals gerapporteerd in het maartnummer van Nature Machine Intelligence.
Het team van onderzoekers van de universiteit wordt geleid door Francisco J. Valero-Cuevas, hoogleraar biomedische technologie, biokinesiologie en fysiotherapie. Gebaseerd op het door de groep ontwikkelde algoritme, dat gebaseerd is op bepaalde werkingsmechanismen van levende organismen, werd een reeks kunstmatige intelligentie-acties gecreëerd om de robotbewegingen op vier ledematen te leren. Er wordt gemeld dat kunstmatige ledematen in de vorm van imitatiepezen, spieren en botten binnen vijf minuten na het uitvoeren van het algoritme konden leren lopen.
Na de eerste lancering was het proces onsystematisch en chaotisch, maar toen begon de AI zich snel aan te passen aan de realiteit en begon met succes te lopen zonder voorafgaande programmering. In de toekomst kan de gecreëerde methode voor levenslange training van robots zonder voorafgaande ML-training met datasets worden aangepast voor het uitrusten van civiele auto's met automatische piloten en voor militaire robotvoertuigen. Deze technologie heeft echter nog veel meer mogelijkheden en toepassingsgebieden. Het belangrijkste is dat het algoritme een persoon niet als een van de obstakels in de ontwikkeling beschouwt en niets slechts leert.
Bron: 3dnews.ru