Машины могут учиться, просто наблюдая, без указания, что именно искать

Images shows the aggregation behavior that the robots should learn ( final snapshot of an already aggregated system). Credit: Roderich Gross

В Шеффилдском Университете разработан новый метод машинного обучения названный Turing Learning (Научение Тьюринга), позволяющий машинам моделировать естественные или искусственные системы.

Установка Turing Learning для выведения роевого поведения. Расположенная сверху камера наблюдает за объединенными роботами (aggregating robots) и за обучаемыми роботами (learning robots). Turing Learning одновременно учится моделировать поведение системы и различать объединенных и обучаемых роботов.

The Turing Learning setup for inferring swarm behaviors. The overhead camera observes both the system under investigation (aggregating robots) and the learning robots. Turing Learning simultaneously learns to model the behavior of the system and to discriminate between the aggregating and learning robots.

Разработка Turing Learning основана на работах ученого Алана Тьюринга, предложившего одноименный тест для определения способности машины мыслить.

Turing Learning было успешно применено для установления роевого (группового) поведения. Мы поместили группу роботов под наблюдение и решили выяснить какими правила они руководствуются при движении. Для этого мы поместили под наблюдение еще одну группу — обучаемых роботов. Передвижение всех роботов было записано и предоставлено эксперту (проводящему опрос аналогично тесту Тьюринга). Но в отличие от оригинального теста Тьюринга экспертами выступили не люди, а самообучаемые компьютерные программы. Их задачей было различить роботов из каждой группы. За правильное отличие передвижения подлинной группы от группы притворщиков (обучаемые роботы) следовала награда. Обучаемые роботы, которым удалось одурачить эксперта, также получали награду.

http://robohub.org/wp-content/uploads/2016/09/swarm-learning2.jpg

http://robohub.org/wp-content/uploads/2016/09/swarm-learning3.jpg

Turing Learning может оказаться полезным в случае трудно характеризуемого поведения. Например, компьютерные игры могут стать более реалистичными, если виртуальные персонажи смогут наблюдать и перенимать характерные черты игроков. Они смогут не просто копировать поведение, но и проявлять отличительные человеческие черты. Turing Learning также можно использовать для исследования группового поведения некоторых животных, например, стаи рыб или рои пчел. Это поможет лучше понять какие факторы влияют на поведение этих животных и в итоге понять, как их защитить.

Источник: robohub.org

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *