Maskiner har ikke længere brug for vores hjælp til at lære

Forskere, der arbejder med sværmrobotter, siger, at det nu er muligt for maskiner at lære, hvordan naturlige eller kunstige systemer fungerer ved at observere dem - uden at få at vide, hvad de skal se efter.

Dette kan føre til fremskridt i, hvordan maskiner udleder viden og bruger den til at opdage adfærd og abnormiteter.

"I modsætning til den oprindelige Turing-test er vores forhørere imidlertid ikke menneskelige, men snarere computerprogrammer, der lærer af sig selv."

Teknologien kunne forbedre sikkerhedsapplikationer, såsom løgndetektering eller identitetsbekræftelse, og gøre computerspil mere realistisk.

Det betyder også, at maskiner er i stand til blandt andet at forudsige, hvordan mennesker og andre levende ting opfører sig.


indre selv abonnere grafik


Turing-testen

Opdagelsen, offentliggjort i tidsskriftet Sværm intelligens, tager inspiration fra den banebrydende computerforsker Alan Turing, der foreslog en test, som en maskine kunne bestå, hvis den ikke kunne skelnes fra et menneske. I denne test udveksler en forhør beskeder med to spillere i et andet rum: det ene menneske, det andet en maskine.

Forhøreren skal finde ud af, hvilken af ​​de to spillere der er menneske. Hvis de konsekvent undlader at gøre det - hvilket betyder at de ikke er mere succesrige, end hvis de havde valgt en spiller tilfældigt - har maskinen bestået testen og anses for at have intelligens på menneskeligt niveau.

”Vores undersøgelse bruger Turing-testen til at afsløre, hvordan et givet system - ikke nødvendigvis et menneske - fungerer. I vores tilfælde satte vi en sværm af robotter under overvågning og ønskede at finde ud af, hvilke regler der forårsagede deres bevægelser, ”forklarer Roderich Gross fra den automatiske kontrol- og systemteknikafdeling ved University of Sheffield.

”For at gøre det sætter vi også en anden sværm - lavet af indlæringsrobotter - under overvågning. Bevægelserne af alle robotter blev registreret, og bevægelsesdataene blev vist til forhørene, ”tilføjer han.

”I modsætning til i den oprindelige Turing-test er vores forhørere imidlertid ikke menneskelige, men snarere computerprogrammer, der lærer af sig selv. Deres opgave er at skelne mellem robotter fra begge sværme. De belønnes for korrekt at kategorisere bevægelsesdata fra den originale sværm som ægte, og dem fra den anden sværm som forfalskede. De lærende robotter, der lykkes med at narre en forhør - får den til at tro, at deres bevægelsesdata var ægte - modtager en belønning. ”

Gross siger, at fordelen ved fremgangsmåden kaldet "Turing Learning" er, at mennesker ikke længere har brug for at fortælle maskiner, hvad de skal se efter.

Robotmaling som Picasso

Forestil dig, at du vil have en robot til at male som Picasso. Konventionelle algoritmer til maskinindlæring ville bedømme robotens malerier for hvor tæt de lignede en Picasso. Men nogen bliver nødt til at fortælle algoritmerne, hvad der betragtes som en Picasso til at begynde med.

Turing Learning kræver ikke sådan forudgående viden. Det ville simpelthen belønne robotten, hvis den malede noget, der blev betragtet som ægte af forhørerne. Turing Learning lærer samtidig, hvordan man forhører, og hvordan man maler.

Gross siger, at han mener, at Turing Learning kan føre til fremskridt inden for videnskab og teknologi.

”Forskere kunne bruge det til at opdage reglerne for naturlige eller kunstige systemer, især hvor adfærd ikke let kan karakteriseres ved hjælp af lighedsmålinger,” siger han.

”Computerspil kunne for eksempel vinde realisme, da virtuelle spillere kunne observere og antage karakteristiske træk hos deres menneskelige kolleger. De ville ikke blot kopiere den observerede adfærd, men afsløre, hvad der gør menneskelige spillere særprægede fra resten. ”

Indtil videre har Gross og hans team testet Turing Learning i robotsværme, men det næste skridt er at afsløre funktionen af ​​nogle dyrekollektiver, såsom fiskeskoler eller bierkolonier. Dette kan føre til en bedre forståelse af, hvilke faktorer der påvirker disse dyrs opførsel, og til sidst informere politik for deres beskyttelse.

Kilde: University of Sheffield

Relaterede bøger

at

bryde

Tak for besøget InnerSelf.com, hvor der er 20,000 + livsændrende artikler, der promoverer "Nye holdninger og nye muligheder." Alle artikler er oversat til 30+ sprog. Tilmeld til InnerSelf Magazine, der udgives ugentligt, og Marie T Russells Daily Inspiration. InnerSelf Magazine er udkommet siden 1985.