Robotinis intelektas mokosi būti spontaniškas

Šios sistemos išvesties sąvokos rodo plačius nestabilumo modelius, tačiau lokalizuotus stabilumo modelius. Paskola: © 2020 Inoue և kiti

Tyrėjai naudoja dinamines sistemas – mašininį mokymąsi, kad suteiktų AI spontaniškumo.

Autonominės robotų funkcijos, tokios kaip spontaniškumas, yra labai paklausios. Daugelį autonominių robotų valdymo mechanizmų įkvėpė gyvūnų, įskaitant žmones, funkcijos. Robotika dažnai kuria robotų elgseną naudodama iš anksto nustatytas modulių սկ valdymo metodikas, kurios jas paverčia konkrečiomis užduotimis, ribodamos jų lankstumą. Mokslininkai siūlo alternatyvų metodą, pagrįstą mašininiu mokymusi, siekiant sukurti spontanišką elgesį, naudojant sudėtingus laiko modelius, pavyzdžiui, nervų veiklą gyvūnų smegenyse. Jie tikisi, kad jų dizainas bus įgyvendintas robotinėse platformose, siekiant pagerinti jų autonomines galimybes.

Robotus ir jų valdymo programinę įrangą galima priskirti dinaminei sistemai – matematiniam modeliui, apibūdinančiam nuolat kintančias kažko vidines būsenas. Yra dinaminės sistemos klasė, vadinama didžiuoju chaosu, kuri atkreipė daugelio tyrinėtojų dėmesį, nes tai yra galingas būdas modeliuoti gyvūnų smegenis. Tačiau sunku įvaldyti aukšto lygio chaosą dėl sistemos parametrų sudėtingumo sensitivity jo jautrumo įvairioms išankstinėms sąlygoms, o tai yra įprastas „drugelio efekto“ terminas. Tokijo universiteto Intelektinių sistemų ir informatikos laboratorijos ir Naujosios kartos dirbtinio intelekto tyrimų centro mokslininkai tiria naujus būdus, kaip panaudoti aukšto lygio chaoso dinamiką, kad būtų galima atlikti į žmogų panašias kognityvines funkcijas.

„Chaotiškas turas (KI) yra nepaprasto chaoso šalutinis poveikis, kuris gali paaiškinti smegenų veiklą asociacijos metu su atšaukimu“, – sakė daktarė Katsuma Inoue. „Robotikoje KI buvo galinga priemonė spontaniškiems elgesio modeliams įgyvendinti. Šiame tyrime mes siūlome paprastą, sistemingą būdą įgyvendinti KI naudojant tik sudėtingus laiko eilučių modelius, atsirandančius dėl didelio chaoso. Mes manėme, kad kuriant pažintines architektūras mūsų požiūris turi stipresnį universalumą. “Tai leidžia mums išsiugdyti spontanišką elgesį be jokios tikslios valdiklio struktūros, kuri priešingu atveju trukdytų”.

Erv skaičiavimas (RC) yra mašininio mokymosi technika, paremta dinaminių sistemų teorija և suteikia pagrindą komandos požiūriui. RC naudojamas valdyti nervinio tinklo tipą, vadinamą pasikartojančiu neuroniniu tinklu (RNN). Skirtingai nuo kitų mašininio mokymosi metodų, pritaikančių visus neuroninius ryšius neuroniniame tinkle, RC koreguoja tik kai kuriuos parametrus, išlaikydamas visus kitus RNN ryšius fiksuotus, leisdamas sistemai greičiau treniruotis. Kai tyrėjai taikė RC principus chaotiškam RNN, tai parodė spontaniškus elgesio modelius, kurių jie tikėjosi. Kurį laiką tai pasirodė sunki užduotis robotikos ir dirbtinio intelekto srityje. Be to, tinklo mokymai vyksta prieš pat paleidimą և.

„Gyvūnų smegenys sukelia daug chaoso jų veikloje, tačiau kodėl jie naudoja chaosą, lieka neaišku. „Mūsų siūlomas modelis gali padėti suprasti, kaip chaosas prisideda prie informacijos apdorojimo mūsų smegenyse“, – sakė docentas Kohei Nakajima. „Be to, mūsų receptas turės platesnį poveikį už neuromokslų ribų, nes jį galima pritaikyti ir kitose chaotiškose sistemose. Pvz., Naujos kartos neuromorfiniai prietaisai, įkvėpti biologinių neuronų, potencialiai rodo didelį chaosą; jie bus puikūs kandidatai mūsų receptui įgyvendinti. Tikiuosi, kad netrukus pamatysime dirbtinį smegenų funkcijų įgyvendinimą “.

Nuoroda. Katuma Inue, Kohei Nakajima ir Yasuo Kunyoshi „Spontaniškų elgesio pokyčių sukūrimas per chaosą“, 2020 m. Lapkričio 11 d. Mokslo pažanga,
DOI: 10.1126 / sciadv.abb3989:

Finansavimas:

Šis darbas buvo paremtas Naujosios energetikos pramonės pramonės plėtros organizacijos (NEDO) užsakymu projekto rezultatais. KI palaikė JSPS KAKENHI (dotacijos numeris JP20J12815). KN parėmė JSPS KAKENHI (dotacijos numeris JP18H05472) և MEXT „Quantum Leap“ pavyzdinė programa (MEXT Q-LEAP) (dotacijos numeris JPMXS0120319794). Šį darbą palaikė NEDO [serial numbers 15101156-0 (dated 24 June 2016) and 18101806-0 (dated 5 September 2018)] ամբ Informacinių mokslų mokyklos pasienio intelektinės edukacijos katedra և Technologijos AI „Naujosios kartos“ dirbtinio intelekto tyrimų centras [serial number not applicable (dated 1 June 2016)],

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Tyrėjai kuria greitesnę tinklo analizę, kad pasiūlytų algoritmus, kurie padidintų paiešką internete

MIT tyrėjai sukūrė programinę įrangą, kad grafikos programinė įranga veiktų efektyviau įvairiuose skaičiavimo įrenginiuose, įskaitant procesorius ir GPU.Paskola „Istockphoto“ vaizdus redagavo „MIT News“ Diagramos,...

Naujų atradimų apie milijardus mikrobų pavertimą mūsų kūnu pavertimas įvairiomis ligomis

Įvairūs MIT tyrėjai naujus atradimus apie milijardus mikrobų paverčia žmogaus kūnu įvairiausių ligų gydymu. Įvairūs mokslininkai naujus atradimus apie milijardus mikrobų paverčia kūnu įvairiausių ligų...

MIT neurologai nustato hipokampo smegenų sąsają, koduojančią įvykių laiką

MIT neuromokslininkai nustatė, kad hipokampo CA2 regione esančios piramidinės ląstelės (žalios) yra atsakingos už kritinės informacijos saugojimą. Kreditas: „Tonegawa Lab“, redagavo „MIT News“ Išvados...

Vibruojančių molekulių naudojimas medžiagos bangų savybėms tirti

HD + molekuliniai jonai (geltonos ir raudonos taškų poros) jonų gaudyklėje (pilka) yra apšvitinti lazerio banga (raudona). Tai sukelia kvantinį šuolį pakeistų molekulių joninės...

Naujas dizainas pagerina naujos kartos perovskitų kraujo ląstelių efektyvumą

Autorius: Davidas L. Chandleris, Masačusetso technologijos institutas 2021 m. Vasario 27 d Šiame paveikslėlyje perovskito fotovoltai fone rodomi su atskirais perovskito kristalais, kurie rodomi kaip...

Newsletter

Subscribe to stay updated.