Rô bốt học qua chơi


Trịnh Minh Thiện
2 năm trước
Hữu ích 3 Chia sẻ Viết bình luận 0
Đã xem 7850

Vài năm gần đây đã chứng kiến ​​một số cách mới lạ cho máy móc để học những điều mới. Điều này theo truyền thống liên quan đến việc cung cấp cho thuật toán rất nhiều dữ liệu sau đó cho phép máy học đúng từ sai.

Tuy nhiên, những người ở DeepMind đã có xu hướng sử dụng chơi như một cơ chế để giúp AI của họ học hỏi vì nó khuyến khích khả năng thích ứng cao hơn. Nó nổi tiếng lập trình máy móc của mình để học và sau đó thành thạo một loạt các trò chơi video retro. Bây giờ, các nhà khoa học từ công ty đã xuất bản một bài báo mô tả cách họ sử dụng cùng một phương pháp để giúp một cỗ máy học tập vật lý.

Học qua thí nghiệm

Bài viết mô tả công việc được thực hiện bởi công ty Anh để cho phép AI học các tính chất vật lý của các vật thể khác nhau bằng cách tương tác với chúng giống như cách một đứa trẻ làm với đồ chơi.

Chẳng hạn, một thí nghiệm đã thấy AI chơi với một loạt các khối lượng khác nhau. Bất cứ khi nào AI xác định chính xác đối tượng nặng nhất, nó sẽ nhận được giải thưởng, với phản hồi được đưa ra bất cứ khi nào xác định đúng đối tượng. Sau một vài lần lặp lại của trò chơi này, thuật toán nhanh chóng biết rằng cách tốt nhất để ghi điểm cao là chơi với từng khối trước khi đưa ra lựa chọn là nặng nhất.

Một thí nghiệm thứ hai sau đó đặt các khối lên nhau theo hình tháp. Một số khối được dán lại với nhau, với những khối khác có dạng tự do hơn. Thuật toán được giao nhiệm vụ xác định có bao nhiêu khối, với phản hồi tương tự như trước đây cho câu trả lời đúng hoặc không chính xác. Như trong thử nghiệm đầu tiên, AI nhanh chóng biết rằng giải pháp tốt nhất là bắt đầu chơi với các khối để hiểu rõ hơn các thuộc tính của chúng.

Bây giờ, cần phải nói, thí nghiệm được thực hiện trong môi trường hoàn toàn ảo và có thể xác định và sau đó thao tác với các vật thể vật lý có phần khó hơn, nhưng một số nhóm đang làm điều đó, đặc biệt là khi phát triển các giải pháp cho kho và môi trường khác trong đó thao tác đối tượng là trung tâm cho hoạt động của AI.

Hiểu biết về thế giới

Chẳng hạn , Genome ảo là một dự án nhằm cung cấp một trung tâm để hiểu làm thế nào máy móc có thể (hoặc không) hiểu được thế giới mà chúng hoạt động.

Nền tảng được phát triển bởi các giáo sư tại Phòng thí nghiệm trí tuệ nhân tạo Stanford và nhằm mục đích giải quyết một số câu hỏi khó nhất trong tầm nhìn máy tính, với mục tiêu cuối cùng là phát triển các máy có thể hiểu những gì nó nhìn thấy.

Các nhà nghiên cứu tại Đại học Boston đang tiến hành nghiên cứu về cùng một chủ đề, và đã phát triển một robot có khả năng nhận ra các vật thể cụ thể, và sau đó điều động xung quanh chúng mà không cần sự hỗ trợ của con người.

Khả năng robot tự điều hướng và điều hướng là vô cùng quan trọng và cung cấp nhiều ứng dụng khả thi. Dự án Boston sử dụng một mạng lưới thần kinh sâu có khả năng xử lý lượng dữ liệu khổng lồ để nhận ra các đối tượng đơn giản.

Họ có một thuật toán sẽ chụp rất nhiều hình ảnh của một đối tượng và sẽ đưa nó vào và biên dịch tất cả, họ nói. Sau đó, về cơ bản, chúng tôi gán một số cho nó. Rô bốt Robot sẽ gặp một đối tượng và nó sẽ nói: 'Ồ, có một vật thể trước mặt tôi, hãy để tôi nghĩ về nó.' Nó sẽ tìm thấy một hình ảnh tương ứng với đối tượng, chọn số đó và sau đó nó sẽ có thể sử dụng nó làm tài liệu tham khảo, vì vậy nó có thể kêu lên, 'Ồ, đó là một quả bóng', 'Đó là hình nón', hoặc bất cứ điều gì Đối tượng tôi đã quyết định dạy nó.

Công việc DeepMind tiến thêm một bước nữa và sẽ là một bước quan trọng trong quá trình máy móc học cách hiểu rõ hơn về môi trường xung quanh, với ý nghĩa quan trọng đối với hiệu quả của toàn bộ robot công nghiệp.

Hữu ích 3 Chia sẻ Viết bình luận 0
Đã xem 7850