Неповних два роки тому агентство DARPA запустило програму Lifelong Learning Machines (L2M) для створення роботизованих систем, що безперервно навчаються, з елементами штучного інтелекту. Програма L2M повинна була призвести до появи платформ, що самонавчаються, які могли б самі без попереднього програмування або навчання підлаштовуватися під нову обстановку. Простіше кажучи, роботи мали вчитися на своїх помилках, а не навчатися за допомогою прокачування наборів шаблонних даних у лабораторних умовах.
У програмі L2M беруть участь 30 науково-дослідних груп із різним обсягом фінансування. Якраз днями одна з груп з Університету Південної Каліфорнії показала переконливий прогрес у створенні роботизованих платформ, що самонавчаються, про що повідомила на сторінках березневого номера видання Nature Machine Intelligence.
Групу дослідників з університету очолює професор біомедичної інженерії, біокінезіології та фізіотерапії Франциско Дж. Валеро-Куевас (Francisco J. Valero-Cuevas). На основі розробленого групою алгоритму, за основу якого взято певні механізми функціонування живих організмів, було створено послідовність дій штучного інтелекту щодо навчання робота рухам на чотирьох кінцівках. Повідомляється, що штучні кінцівки у вигляді імітації сухожиль, м'язів та кісток змогли навчитися ходити протягом п'яти хвилин після запуску алгоритму.
Після першого запуску процес був безсистемним та хаотичним, але потім ІІ став швидко пристосовуватися до реалій і без попереднього програмування на ходьбу успішно пішов. Надалі створена методика довічного навчання роботів без попереднього ML-навчання масивами даних може бути адаптована для озброєння автопілотами цивільних автомобілів та для військових роботизованих транспортних засобів. Втім, у даної технології набагато більше перспектив та сфер використання. Головне, щоб алгоритм не сприйняв людину як одну з перешкод у розвитку і не навчився б чогось поганого.
Джерело: 3dnews.ru