Hindi Kailangan ng mga Makina ang Ating Tulong Upang Matuto

Hindi Kailangan ng mga Makina ang Ating Tulong Upang Matuto

Ang mga mananaliksik na nagtatrabaho sa mga robot na galit ay nagsasabi na ngayon ay posible para sa mga machine na malaman kung paano gumagana ang likas o artipisyal na sistema sa pamamagitan ng pagmamasid sa mga ito-nang hindi sinabihan kung ano ang hahanapin.

Ito ay maaaring humantong sa pag-unlad sa kung paano ang mga machine magpahiwatig ng kaalaman at gamitin ito upang makita ang mga pag-uugali at abnormalidad.

"Hindi tulad ng sa orihinal na pagsubok ng Turing, gayunpaman, ang aming mga interogador ay hindi tao kundi mga programa sa computer na natututo sa pamamagitan ng kanilang sarili."

Maaaring mapabuti ng teknolohiya ang mga aplikasyon ng seguridad, tulad ng pagtukoy ng kasinungalingan o pagpapatunay ng pagkakakilanlan, at gawing mas makatotohanan ang paglalaro ng computer.

Ito rin ay nangangahulugang ang mga makina ay maaaring mahuhulaan, bukod sa iba pang mga bagay, kung paano kumilos ang mga tao at iba pang nabubuhay na bagay.

Ang pagsubok sa Turing

Ang pagtuklas, na inilathala sa journal Swarm Intelligence, ay tumatanggap ng inspirasyon mula sa gawain ng siyentipikong pambungad na computer na si Alan Turing, na nagpanukala ng isang pagsubok, na maaaring ipasa ng isang makina kung kumikilos ito nang hindi makakaalam mula sa isang tao. Sa pagsusuring ito, ang isang interogador ay nagpapalit ng mga mensahe na may dalawang manlalaro sa ibang silid: isang tao, ang iba pang isang makina.

Ang interogador ay kailangang malaman kung alin sa dalawang manlalaro ang tao. Kung patuloy silang hindi na gawin ito-ibig sabihin hindi na sila ay matagumpay kaysa kung pinili nila ang isang manlalaro nang random-ang makina ay nakapasa sa pagsubok, at itinuturing na may katalinuhan sa antas ng tao.


Kunin ang Pinakabagong Mula sa InnerSelf


"Ang aming pag-aaral ay gumagamit ng Turing test upang maipakita kung paano ang isang sistema-hindi kinakailangang isang tao-gumagana. Sa aming kaso, inilalagay namin ang isang kawan ng mga robot sa ilalim ng surveillance at nais na malaman kung aling mga patakaran na dulot ng kanilang mga paggalaw, "paliwanag Roderich Gross mula sa awtomatikong kontrol at sistema ng engineering department sa University of Sheffield.

"Upang gawin ito, inilalagay namin ang pangalawang kawanggawa ng mga robot sa pag-aaral-sa ilalim ng pagsubaybay, din. Ang mga paggalaw ng lahat ng mga robot ay naitala, at ang data ng paggalaw na ipinapakita sa mga interogador, "dagdag niya.

"Hindi tulad ng sa orihinal na pagsubok ng Turing, gayunpaman, ang aming mga interogador ay hindi pantao kundi mga programa sa computer na natututo sa pamamagitan ng kanilang sarili. Ang kanilang mga gawain ay upang makilala sa pagitan ng mga robot mula sa alinman sa kuyog. Ang mga ito ay gagantimpalaan para sa wastong pagkakategorya ng data ng paggalaw mula sa orihinal na kuyog bilang tunay, at ang mga mula sa iba pang mga kuyog bilang pekeng. Ang mga robot sa pag-aaral na nagtagumpay sa pag-iisip ng isang interogador-na pinaniniwalaan na ang kanilang data ng paggalaw ay tunay-makatanggap ng gantimpala. "

Sinasabi ng gross na ang kalamangan ng diskarte, na tinatawag na "Turing Learning," ay hindi na kailangang sabihin ng mga tao ang mga makina kung ano ang hahanapin.

Ang pintura ng Robot ay katulad ng Picasso

Isipin na gusto mo ang isang robot na pintura tulad ng Picasso. Ang maginoo na mga algorithm sa pag-aaral ng machine ay mag-rate ng mga kuwadro na gawa ng robot para sa kung gaano kalapit ang mga ito ay katulad ng isang Picasso. Ngunit may isang tao na kailangang sabihin sa mga algorithm kung ano ang itinuturing na katulad ng isang Picasso upang magsimula sa.

Ang Turing Learning ay hindi nangangailangan ng ganitong kauna-unahang kaalaman. Gagantimpalaan lamang nito ang robot kung ipininta ito ng isang bagay na itinuturing na tunay ng mga interogador. Ang Turing Learning ay magkakaroon ng sabay-sabay malaman kung paano mag-interrogate at kung paano magpinta.

Sinabi ni Gross na naniniwala siya na ang Turing Learning ay maaaring humantong sa mga pag-unlad sa agham at teknolohiya.

"Maaaring gamitin ito ng mga siyentipiko upang tuklasin ang mga panuntunan na namamahala sa natural o artipisyal na mga sistema, lalo na kung saan ang pag-uugali ay hindi madaling makilala gamit ang mga sukat ng pagkakatulad," sabi niya.

"Ang mga laro sa computer, halimbawa, ay maaaring makamit sa pagiging totoo habang ang mga virtual na manlalaro ay maaaring obserbahan at magkakaroon ng mga katangiang katangian ng kanilang mga katuwang na tao. Hindi lamang nila i-kopya ang naobserbahang pag-uugali, ngunit sa halip ay ibunyag kung bakit ang mga manlalaro ng tao ay natatangi mula sa iba pa. "

Sa ngayon, sinubukan ng Gross at ng kanyang koponan ang Turing Learning sa robot swarms ngunit ang susunod na hakbang ay upang maipakita ang mga pagkilos ng ilang mga kolektibong hayop tulad ng mga paaralan ng isda o kolonya ng mga bubuyog. Ito ay maaaring humantong sa isang mas mahusay na pag-unawa kung ano ang mga kadahilanan na nakakaimpluwensya sa pag-uugali ng mga hayop na ito,

Source: University of Sheffield

Mga Kaugnay Books

{amazonWS: searchindex = Books; keywords = robots learning; maxresults = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

sundin ang InnerSelf sa

facebook-icontwitter-iconrss-icon

Kumuha ng Pinakabagong Sa pamamagitan ng Email

{Emailcloak = off}