Mesin Tak Lagi Butuh Bantuan Untuk Belajar

Mesin Tak Lagi Butuh Bantuan Untuk Belajar

Periset yang bekerja dengan robot swarm mengatakan sekarang mungkin mesin mengetahui bagaimana sistem kerja alami atau buatan bekerja dengan mengamati mereka-tanpa diberi tahu apa yang harus dicari.

Hal ini dapat menyebabkan kemajuan dalam bagaimana mesin menyimpulkan pengetahuan dan menggunakannya untuk mendeteksi perilaku dan kelainan.

"Tidak seperti tes Turing yang asli, bagaimanapun, interogator kami bukanlah program komputer tapi manusia yang belajar sendiri."

Teknologi ini bisa meningkatkan aplikasi keamanan, seperti deteksi kebekuan atau verifikasi identitas, dan membuat game komputer lebih realistis.

Ini juga berarti mesin mampu memprediksi, antara lain, bagaimana orang dan makhluk hidup lainnya berperilaku.

Tes Turing

Penemuan itu, yang dipublikasikan di jurnal tersebut Kecerdasan Swarm, mengambil inspirasi dari karya ilmuwan komputer perintis Alan Turing, yang mengajukan sebuah tes, yang bisa dilewati mesin jika berperilaku tidak dapat dibedakan dari manusia. Dalam tes ini, seorang interogator menukar pesan dengan dua pemain di ruangan yang berbeda: satu manusia, satu mesin lainnya.

Interogator harus mencari tahu dari mana dua pemain itu adalah manusia. Jika mereka secara konsisten gagal melakukannya - artinya mereka tidak lebih berhasil daripada jika mereka memilih satu pemain secara acak - mesin tersebut telah lulus uji coba, dan dianggap memiliki kecerdasan tingkat manusia.


Dapatkan Yang Terbaru Dari Diri Sendiri


"Studi kami menggunakan tes Turing untuk mengungkapkan bagaimana sistem yang diberikan - tidak harus merupakan karya manusia. Dalam kasus kami, kami menaruh segerombolan robot yang diawasi dan ingin mengetahui peraturan mana yang menyebabkan pergerakan mereka, "jelas Roderich Gross dari departemen teknik kontrol dan sistem otomatis di University of Sheffield.

"Untuk melakukannya, kami memasang robot belajar kedua dari robot-juga di bawah pengawasan. Pergerakan semua robot dicatat, dan data gerak ditunjukkan pada interogator, "tambahnya.

"Tidak seperti tes Turing yang asli, bagaimanapun, interogator kami bukanlah program komputer tapi manusia yang belajar sendiri. Tugas mereka adalah membedakan robot dari kawanan. Mereka diberi imbalan karena mengategorikan dengan benar data gerakan dari gerombolan asli sebagai asli, dan yang dari kawanan lainnya adalah palsu. Robot belajar yang berhasil membodohi interogator - membuatnya percaya bahwa data gerak mereka asli - menerima hadiah. "

Gross mengatakan keuntungan dari pendekatan tersebut, yang disebut "Turing Learning," adalah bahwa manusia tidak perlu lagi memberi tahu mesin apa yang harus dicari.

Robot melukis seperti Picasso

Bayangkan Anda ingin robot melukis seperti Picasso. Algoritma pembelajaran mesin konvensional akan menilai lukisan robot itu untuk seberapa dekat mereka menyerupai Picasso. Tapi seseorang harus memberi tahu algoritme apa yang dianggap mirip dengan Picasso.

Turing Learning tidak membutuhkan pengetahuan sebelumnya. Ini hanya akan memberi penghargaan pada robot jika melukis sesuatu yang dianggap asli oleh para interogator. Pembelajaran Turing sekaligus akan belajar bagaimana menginterogasi dan melukis.

Gross mengatakan dia yakin Turing Learning bisa menghasilkan kemajuan dalam sains dan teknologi.

"Para ilmuwan dapat menggunakannya untuk menemukan peraturan yang mengatur sistem alami atau buatan, terutama di mana perilaku tidak dapat dengan mudah dicirikan dengan menggunakan metrik kesamaan," katanya.

"Permainan komputer, misalnya, bisa mendapatkan realisme karena pemain virtual dapat mengamati dan menganggap ciri khas rekan-rekan manusia mereka. Mereka tidak akan hanya menyalin perilaku yang teramati, melainkan mengungkapkan apa yang membuat para pemain manusia berbeda dari yang lain. "

Sejauh ini, Gross dan timnya telah menguji Turing Learning di kawanan robot namun langkah selanjutnya adalah mengungkap cara kerja beberapa kolektif hewan seperti sekolah ikan atau koloni lebah. Hal ini dapat menyebabkan pemahaman yang lebih baik tentang faktor apa yang mempengaruhi perilaku hewan-hewan ini, dan akhirnya menginformasikan kebijakan untuk perlindungan mereka.

Sumber: University of Sheffield

Buku terkait

{amazonWS: searchindex = Buku; kata kunci = pembelajaran robot; maksresult = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

ikuti InnerSelf di

facebook-icontwitter-iconrss-icon

Dapatkan Terbaru Dengan Email

{Emailcloak = off}

DARI EDITOR

InnerSelf Newsletter: September 20, 2020
by Innerself Staf
Tema buletin minggu ini dapat diringkas sebagai "Anda dapat melakukannya" atau lebih khusus lagi "kami dapat melakukannya!". Ini adalah cara lain untuk mengatakan "Anda / kami memiliki kekuatan untuk membuat perubahan". Gambar ...
Apa yang Berhasil Untuk Saya: "Saya Bisa Melakukannya!"
by Marie T. Russell, InnerSelf
Alasan saya membagikan "apa yang berhasil untuk saya" adalah karena hal itu mungkin berhasil untuk Anda juga. Jika tidak persis seperti yang saya lakukan, karena kita semua unik, beberapa variasi sikap atau metode mungkin saja sesuatu ...
InnerSelf Newsletter: September 6, 2020
by Innerself Staf
Kita melihat kehidupan melalui lensa persepsi kita. Stephen R. Covey menulis: "Kita melihat dunia, bukan sebagaimana adanya, tetapi sebagaimana kita adanya──atau, sebagaimana kita dikondisikan untuk melihatnya." Jadi minggu ini, kita akan membahas beberapa…
Newsletter InnerSelf: Agustus 30, 2020
by Innerself Staf
Jalan yang kita lalui saat ini sudah tua, namun baru bagi kita. Pengalaman yang kami alami sudah lama, namun juga baru bagi kami. Hal yang sama berlaku untuk…
Ketika Kebenaran Begitu Mengerikan Itu Menyakitkan, Ambil Tindakan
by Marie T. Russell, InnerSelf.com
Di tengah semua kengerian yang terjadi akhir-akhir ini, saya terinspirasi oleh sinar harapan yang bersinar. Orang biasa membela apa yang benar (dan melawan apa yang salah). Pemain bisbol,…