For mindre enn to år siden lanserte DARPA programmet Lifelong Learning Machines (L2M) for å lage kontinuerlig lærende robotsystemer med elementer av kunstig intelligens. L2M-programmet skulle føre til fremveksten av selvlærende plattformer som kunne tilpasse seg et nytt miljø uten forutgående programmering eller opplæring. Enkelt sagt, roboter måtte lære av sine feil, og ikke lære ved å pumpe opp sett med maldata i et laboratoriemiljø.
L2M-programmet involverer 30 forskningsgrupper med varierende midler. For nylig viste en av gruppene fra University of South California overbevisende fremgang i å lage selvlærende robotplattformer, som rapportert i marsutgaven av Nature Machine Intelligence.
Teamet av forskere fra universitetet ledes av Francisco J. Valero-Cuevas, professor i biomedisinsk ingeniørfag, biokinesiologi og fysioterapi. Basert på algoritmen utviklet av gruppen, som er basert på visse funksjonsmekanismer for levende organismer, ble en sekvens av kunstig intelligens-handlinger laget for å lære robotens bevegelser på fire lemmer. Det er rapportert at kunstige lemmer i form av imiterte sener, muskler og bein var i stand til å lære å gå innen fem minutter etter å ha kjørt algoritmen.
Etter den første lanseringen var prosessen usystematisk og kaotisk, men så begynte AI raskt å tilpasse seg realitetene og begynte å gå uten forutgående programmering. I fremtiden kan den opprettede metoden for livslang trening av roboter uten foreløpig ML-trening med datasett tilpasses for å utstyre sivile biler med autopiloter og for militære robotkjøretøyer. Imidlertid har denne teknologien mye flere muligheter og bruksområder. Hovedsaken er at algoritmen ikke oppfatter en person som en av hindringene i utviklingen og ikke lærer noe dårlig.
Kilde: 3dnews.ru