Máy không còn cần sự giúp đỡ của chúng tôi để tìm hiểu

Máy không còn cần sự giúp đỡ của chúng tôi để tìm hiểu

Các nhà nghiên cứu làm việc với robot swarm cho biết giờ đây các máy móc có thể tìm hiểu cách các hệ thống tự nhiên hoặc nhân tạo hoạt động bằng cách quan sát chúng mà không cần phải nói những gì cần tìm.

Điều này có thể dẫn đến những tiến bộ trong cách máy móc suy luận kiến ​​thức và sử dụng nó để phát hiện các hành vi và bất thường.

Tuy nhiên, không giống như trong thử nghiệm Turing ban đầu, các thẩm vấn viên của chúng tôi không phải là con người mà là các chương trình máy tính tự học.

Công nghệ này có thể cải thiện các ứng dụng bảo mật, như phát hiện nói dối hoặc xác minh danh tính và làm cho trò chơi máy tính trở nên thực tế hơn.

Nó cũng có nghĩa là máy móc có thể dự đoán, trong số những thứ khác, cách con người và các sinh vật khác cư xử.

Bài kiểm tra Turing

Khám phá, được công bố trên tạp chí Tri tuệ bây Đan, lấy cảm hứng từ công việc của nhà khoa học máy tính tiên phong Alan Turing, người đã đề xuất một thử nghiệm, mà một cỗ máy có thể vượt qua nếu nó hoạt động không thể phân biệt được với con người. Trong thử nghiệm này, một người thẩm vấn trao đổi tin nhắn với hai người chơi trong một phòng khác nhau: một người, một người khác là một cỗ máy.

Người thẩm vấn phải tìm ra ai trong hai người chơi là con người. Nếu họ liên tục không làm như vậy thì có nghĩa là họ không thành công hơn nếu họ chọn một người chơi ngẫu nhiên, máy đã vượt qua bài kiểm tra và được coi là có trí thông minh ở cấp độ con người.


Nhận thông tin mới nhất từ ​​Nội tâm


Nghiên cứu của chúng tôi sử dụng thử nghiệm Turing để tiết lộ cách một hệ thống nhất định không nhất thiết phải là một con người hoạt động. Trong trường hợp của chúng tôi, chúng tôi đặt một nhóm robot dưới sự giám sát và muốn tìm hiểu quy tắc nào gây ra chuyển động của chúng, ông giải thích Roderich Gross từ bộ phận kỹ thuật hệ thống và điều khiển tự động tại Đại học Sheffield.

Để làm như vậy, chúng tôi cũng đặt một bầy sói thứ hai làm từ việc học robot Robot dưới sự giám sát. Chuyển động của tất cả các robot đã được ghi lại, và dữ liệu chuyển động được hiển thị cho các thẩm vấn viên, ông nói thêm.

Tuy nhiên, không giống như trong thử nghiệm Turing ban đầu, các thẩm vấn viên của chúng tôi không phải là con người mà là các chương trình máy tính tự học. Nhiệm vụ của họ là phân biệt giữa các robot với một trong hai bầy. Họ được khen thưởng vì đã phân loại chính xác dữ liệu chuyển động từ bầy ban đầu là chính hãng và những dữ liệu từ bầy khác là giả. Các robot học tập thành công trong việc đánh lừa một kẻ thẩm vấn, khiến nó tin rằng dữ liệu chuyển động của chúng là chính hãng nhận được phần thưởng.

Gross nói rằng lợi thế của phương pháp này, được gọi là Học Turing Learning, đó là con người không còn cần phải nói với máy móc những gì cần tìm kiếm.

Robot vẽ như Picasso

Hãy tưởng tượng bạn muốn một robot vẽ như Picasso. Các thuật toán học máy thông thường sẽ đánh giá các bức tranh của robot về mức độ giống với Picasso. Nhưng ai đó sẽ phải nói với các thuật toán những gì được coi là tương tự như Picasso để bắt đầu.

Turing Learning không yêu cầu kiến ​​thức trước đó. Nó chỉ đơn giản là thưởng cho robot nếu nó vẽ thứ gì đó được coi là chính hãng bởi những người thẩm vấn. Turing Learning sẽ đồng thời học cách thẩm vấn và cách vẽ.

Gross nói rằng ông tin rằng Turing Learning có thể dẫn đến những tiến bộ về khoa học và công nghệ.

Các nhà khoa học có thể sử dụng nó để khám phá các quy tắc chi phối các hệ thống tự nhiên hoặc nhân tạo, đặc biệt là khi hành vi không thể được mô tả dễ dàng bằng cách sử dụng các số liệu tương tự, ông nói.

Chẳng hạn, các trò chơi trên máy tính có thể đạt được tính chân thực khi người chơi ảo có thể quan sát và thừa nhận những đặc điểm đặc trưng của các đối tác con người của họ. Họ sẽ không chỉ đơn giản là sao chép hành vi được quan sát, mà chỉ tiết lộ những gì làm cho người chơi của con người khác biệt với phần còn lại.

Cho đến nay, Gross và nhóm của ông đã thử nghiệm Turing Learning trong bầy robot nhưng bước tiếp theo là tiết lộ hoạt động của một số tập thể động vật như trường học của cá hoặc đàn ong. Điều này có thể dẫn đến sự hiểu biết tốt hơn về những yếu tố ảnh hưởng đến hành vi của những con vật này, và cuối cùng thông báo chính sách để bảo vệ chúng.

nguồn: Đại học Sheffield

Sách liên quan

{amazonWS: searchindex = Books; Keywords = robot learning; maxresults = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

theo dõi Nội bộ trên

facebook-iconbiểu tượng twitterbiểu tượng rss

Nhận tin mới nhất qua email

{Emailcloak = off}