ساختار یادگیری همزمان برای روبات ها

اگر قرار باشد که روبات ها و سایر هوش های مصنوعی می توانند از خطاهای خود درس بگیرند نیاز به قابلیت ادراکی خواهند داشت. این ویژگی آنها باعث می شود که گاهی از اوقات برای بررسی اتفاقات اطرافشان مجبور شوند فعالیتی که در حال انجام دادن هستند را متوقف کنند. محققان به تازگی اختراعی به نام یادگیری تقویتی انتگرال را به ثبت رساندند.

 این اختراع باعث می شود که هوش های مصنوعی بتوانند اقدام های خود را بر مبنای تجربیات قبلی به دست آمده توسط آنها، تصحیح کنند. اگر یک روبات در شرایطی قرار بگیرد که راه مطلوب انجام یک کار را نداند، برای مرتب کردن اوضاع به سناریو از پیش تعیین شده خود رجوع می کند.

البته شایان ذکر است که این روش فقط می تواند برای کارهای محاسباتی مفید باشد که در آن بهینه سازی ثابت از اهمیت خاصی برخوردار است. بهترین مثال این گونه کار ها هم سیستم های کنترل خودکار ساختار ناوبری (خلبانی) و کنترل آلاینده های اتومبیل هاست.

البته ممکن است این روش برای روبات ها هم بسیار مفید باشد. بسیاری از روبات ها نمی توانند خود را با شرایط غیرقابل انتظارشان وفق دهند. این فناوری علاوه بر کاربردهای ذکر شده می تواند مسبب پیشرفت روبات ها در زمینه مواجه شدن با شرایط غیرقابل انتظار باشد. روبات ها به کمک این تکنولوژی می توانند در شرایط غیر قابل انتظار (غیرقابل پیش بینی برای ماشین یا هوش مصنوعی) بهترین عکس العمل را از خود نشان دهند.

البته این امر که سرانجام این اختراع دقیقا چه خواهد شد هنوز مبهم است ولی این موضوع بسیار واضح است که دستگاه های خودکار با کمک این فناوری در آینده ای نه چندان دور هوشمندتر و موثرتر عمل خواهند کرد. شایان ذکر است که این پروژه توسط متخصصان دانشگاه تگزاس (University of Texas) به انجام رسیده است و هنوز تا رسیدن آن به مرحله عملیاتی شدن، زمان بسیار زیادی باقی مانده است.

منبع

No tags for this post.