Le macchine non hanno più bisogno del nostro aiuto per imparare

Le macchine non hanno più bisogno del nostro aiuto per imparare

I ricercatori che lavorano con i robot degli sciami affermano che è ora possibile per le macchine apprendere come funzionano i sistemi naturali o artificiali osservandoli, senza che gli venga detto cosa cercare.

Ciò potrebbe portare a progressi nel modo in cui le macchine deducono la conoscenza e la usano per rilevare comportamenti e anomalie.

"A differenza del test originale di Turing, tuttavia, i nostri interrogatori non sono umani ma piuttosto programmi per computer che imparano da soli."

La tecnologia potrebbe migliorare le applicazioni di sicurezza, come il rilevamento della menzogna o la verifica dell'identità, e rendere i giochi per computer più realistici.

Significa anche che le macchine sono in grado di prevedere, tra le altre cose, come si comportano le persone e gli altri esseri viventi.

Il test di Turing

La scoperta, pubblicata sulla rivista Intelligenza di Swarm, si ispira al lavoro dello scienziato informatico pioniere Alan Turing, che ha proposto un test, che una macchina potrebbe passare se si comportasse in modo indistinguibile da un essere umano. In questo test, un interrogatore scambia messaggi con due giocatori in una stanza diversa: una umana, l'altra una macchina.

L'interrogatore deve scoprire quale dei due giocatori è umano. Se costantemente non riescono a farlo, il che significa che non hanno più successo che se avessero scelto un giocatore a caso - la macchina ha superato il test ed è considerata dotata di intelligenza a livello umano.


Ricevi le ultime novità da InnerSelf


"Il nostro studio utilizza il test di Turing per rivelare come un determinato sistema, non necessariamente un lavoro umano. Nel nostro caso abbiamo messo sotto sorveglianza uno sciame di robot e abbiamo voluto scoprire quali regole hanno causato i loro movimenti ", spiega Roderich Gross del dipartimento di controllo automatico e ingegneria dei sistemi dell'Università di Sheffield.

"Per fare ciò, abbiamo messo un secondo sciame di robot di apprendimento, anche sotto sorveglianza. I movimenti di tutti i robot sono stati registrati e i dati di movimento mostrati agli interrogatori ", aggiunge.

"A differenza del test originale di Turing, tuttavia, i nostri interrogatori non sono umani ma piuttosto programmi per computer che imparano da soli. Il loro compito è quello di distinguere tra i robot da entrambi gli sciami. Vengono ricompensati per classificare correttamente i dati di movimento dello sciame originale come autentici e quelli dell'altro sciame come contraffatti. I robot di apprendimento che riescono a ingannare un interrogatore, facendogli credere che i loro dati di movimento erano genuini, ricevono una ricompensa. "

Gross afferma che il vantaggio dell'approccio, chiamato "Turing Learning", è che gli esseri umani non hanno più bisogno di dire alla macchina cosa cercare.

Il robot dipinge come Picasso

Immagina di voler dipingere un robot come Picasso. Gli algoritmi di apprendimento automatico convenzionali valuteranno i dipinti del robot per quanto strettamente somigliano a un Picasso. Ma qualcuno dovrebbe dire agli algoritmi ciò che è considerato simile a un Picasso per cominciare.

L'apprendimento di Turing non richiede tale conoscenza preliminare. Semplicemente premierà il robot se dipingerà qualcosa che è stato considerato genuino dagli interrogatori. L'apprendimento di Turing imparerebbe simultaneamente come interrogare e come dipingere.

Gross dice che crede che il Turing Learning possa portare a progressi nella scienza e nella tecnologia.

"Gli scienziati potrebbero usarlo per scoprire le regole che governano i sistemi naturali o artificiali, in particolare laddove il comportamento non può essere facilmente caratterizzato usando parametri di similarità", dice.

"I giochi per computer, ad esempio, potrebbero guadagnare realismo in quanto i giocatori virtuali potrebbero osservare e assumere tratti caratteristici delle loro controparti umane. Non semplicemente copieranno il comportamento osservato, ma piuttosto riveleranno ciò che rende i giocatori umani distintivi dal resto. "

Finora, Gross e il suo team hanno testato il Turing Learning negli sciami di robot, ma il passo successivo è quello di rivelare il funzionamento di alcuni collettivi di animali come scuole di pesce o colonie di api. Ciò potrebbe portare a una migliore comprensione di quali fattori influenzano il comportamento di questi animali e, infine, informare la politica sulla loro protezione.

Fonte: Università di Sheffield

libri correlati

{amazonWS: searchindex = Libri; parole chiave = apprendimento dei robot; maxresults = 1}

enafarZH-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

segui InnerSelf su

facebook-icontwitter-iconrss-icon

Ricevi l'ultimo tramite e-mail

{Emailcloak = off}