Машины больше не нуждаются в нашей помощи

Машины больше не нуждаются в нашей помощи

Исследователи, работающие с роевыми роботами, говорят, что теперь машины могут узнать, как работают естественные или искусственные системы, наблюдая за ними, - не будучи рассказанными о том, что нужно искать.

Это может привести к успехам в том, как машины выводят знания и используют их для выявления поведения и аномалий.

«Однако, в отличие от первоначального теста Тьюринга, наши следователи - это не человеческие, а компьютерные программы, которые учатся сами».

Технология может улучшить приложения безопасности, такие как обнаружение лжи или проверка подлинности, и сделать компьютерные игры более реалистичными.

Это также означает, что машины способны предсказывать, среди прочего, поведение людей и других живых существ.

Тест Тьюринга

Открытие, опубликованное в журнале Рой-Интеллект, черпает вдохновение в работе новатора-программиста Алана Тьюринга, который предложил тест, который машина могла бы пройти, если бы он вел себя неотличимо от человека. В этом тесте опросчик обменивается сообщениями с двумя игроками в другой комнате: один человек, другой - машина.

Следователь должен выяснить, кто из двух игроков является человеком. Если они последовательно не делают этого, то это означает, что они не более успешны, чем если бы они выбрали одного игрока наугад - машина прошла тест и, как считается, обладает интеллектом на уровне человека.


Получите последние новости от InnerSelf


«В нашем исследовании используется тест Тьюринга, чтобы показать, как данная система - не обязательно человеческая работа. В нашем случае мы поставили рой роботов под наблюдение и хотели выяснить, какие правила вызвали их движения », - объясняет Родерих Гросс из отдела автоматического управления и системного проектирования в Университете Шеффилда.

«Чтобы сделать это, мы также поставили второй робот из учебных роботов - под наблюдением. Движения всех роботов были записаны, а данные движения показаны допрашивающим », - добавляет он.

«В отличие от первоначального теста Тьюринга, наши опросчики - это не человеческие, а компьютерные программы, которые учатся сами. Их задача - отличить роботов от роя. Они вознаграждаются за правильную категоризацию данных движения от оригинального роя как подлинного, а от другого - как поддельную. Обучающие роботы, которые преуспевают в обмане опросчика, заставляя его полагать, что данные о движении были подлинными, получают награду ».

Гросс говорит, что преимущество подхода, называемого «Обучение Тьюринга», заключается в том, что людям больше не нужно говорить машинам о том, что нужно искать.

Краски для роботов, такие как Picasso

Представьте, что вы хотите, чтобы робот рисовал, как Пикассо. Обычные алгоритмы машинного обучения оценивали бы картины робота за то, насколько они были похожи на Пикассо. Но кто-то должен был бы сказать алгоритмам, что считается похожим на Пикассо.

Обучение Тьюрингу не требует таких предварительных знаний. Он просто вознаградил бы робота, если бы он нарисовал что-то, что считалось подлинным для следователей. Обучение Тьюринга одновременно научилось бы допрашивать и рисовать.

Гросс говорит, что он считает, что обучение Тьюрингу может привести к достижениям в области науки и техники.

«Ученые могли бы использовать его, чтобы обнаружить правила, регулирующие естественные или искусственные системы, особенно там, где поведение не может быть легко охарактеризовано с помощью показателей сходства», - говорит он.

«Компьютерные игры, например, могли бы стать реальностью, поскольку виртуальные игроки могли наблюдать и принимать характерные черты своих человеческих коллег. Они не просто копировали наблюдаемое поведение, а скорее раскрывали бы то, что делает человеческих игроков отличными от остальных ».

До сих пор Гросс и его команда тестировали Тьюринга в роботах, но следующий шаг - показать работу некоторых животных коллективов, таких как школы рыб или колонии пчел. Это может привести к лучшему пониманию того, какие факторы влияют на поведение этих животных, и в конечном итоге информировать политику об их защите.

источник: Университет Шеффилда

Книги по этой теме

{amazonWS: searchindex = Книги; ключевые слова = обучение роботов; maxresults = 1}

enafarZH-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

Следуйте за InnerSelf

facebook-значокTwitter-значокНовости-значок

Получить последнее по электронной почте

{Emailcloak = выкл}

ВНУТРЕННИЕ ГОЛОСЫ

САМОЕ ЧИТАЕМОЕ