Машины смогут учиться без людей и понимать сложные системы
Исследователи из Университета Шеффилда, Великобритания, занимающиеся разработкой “роящихся” роботов (крупных объединений машин, взаимодействующих между собой и распределяющих обязанности, чтобы выполнять задачи в составе групп) продемонстрировали возможность машин осваивать принципы функционирования естественных и искусственных систем, попросту наблюдая за ними.
Речь идет о возможности программного обеспечения анализировать и предсказывать поведение людей, иных живых существ и сложных систем. Потенциальные применения новинки - выявление лжи, повышение реализма компьютерных игр и многое другое.
Ученые позволили рою “умных и способных к обучению” машин наблюдать за действиями подконтрольной определенному алгоритму группы роботов и подражать ей. Кроме того, система формулирует правила и закономерности, которым подчинялись участники исследуемой группы! Изначально, систему научили воспринимать действия “оригинальных” роботов как “истинные”, а “имитаторов” - как “поддельные”. Способные к обучению “имитаторы”, обманувшие систему проверки и сравнившиеся по своим показателям с “истинным” устройством, получали условное “поощрение”.
В компьютерных играх такой подход позволит оптимизировать поведение ИИ. В частности, аналитические системы могут сравнить поведение “ботов”, подчиняющихся фиксированной неизменной программе, и персонажей, управляемых людьми, существенно выделяющихся на фоне первых и затем попытаться подстроить поведение “ботов” под поведение людей. Речь идет не о механическом копировании поведения людей, но в осознании имеющихся в нем закономерностей.
Источник: futurity.org
Робопедия:
Когнитивные способности и машинное обучение
Речь идет о возможности программного обеспечения анализировать и предсказывать поведение людей, иных живых существ и сложных систем. Потенциальные применения новинки - выявление лжи, повышение реализма компьютерных игр и многое другое.
Ученые позволили рою “умных и способных к обучению” машин наблюдать за действиями подконтрольной определенному алгоритму группы роботов и подражать ей. Кроме того, система формулирует правила и закономерности, которым подчинялись участники исследуемой группы! Изначально, систему научили воспринимать действия “оригинальных” роботов как “истинные”, а “имитаторов” - как “поддельные”. Способные к обучению “имитаторы”, обманувшие систему проверки и сравнившиеся по своим показателям с “истинным” устройством, получали условное “поощрение”.
В компьютерных играх такой подход позволит оптимизировать поведение ИИ. В частности, аналитические системы могут сравнить поведение “ботов”, подчиняющихся фиксированной неизменной программе, и персонажей, управляемых людьми, существенно выделяющихся на фоне первых и затем попытаться подстроить поведение “ботов” под поведение людей. Речь идет не о механическом копировании поведения людей, но в осознании имеющихся в нем закономерностей.
Источник: futurity.org
Робопедия:
Когнитивные способности и машинное обучение