Robotická AI se učí být spontánní

Tyto představy o výstupu systému ukazují široké vzorce nestability, ale lokalizované vzorce stability. Půjčka: © 2020 Inoue և ostatní

Vědci využívají dynamické systémy – strojové učení – k spontánnosti umělé inteligence.

Autonomní funkce robotů, například spontánnost, jsou velmi žádané. Mnoho autonomních řídicích mechanismů robotů je inspirováno funkcemi zvířat, včetně lidí. Robotika často navrhuje robotické chování pomocí předem určených metod řízení modules modulů, díky nimž jsou specifické pro daný úkol a omezují jejich flexibilitu. Vědci navrhují alternativní metodu založenou na strojovém učení k rozvoji spontánního chování pomocí složitých časových vzorců, jako je nervová aktivita v mozku zvířat. Doufají, že jejich design bude implementován na robotických platformách za účelem zlepšení jejich autonomních schopností.

Roboty a jejich řídicí software lze klasifikovat jako dynamický systém, matematický model, který popisuje neustále se měnící vnitřní stavy něčeho. Existuje řada dynamických systémů s názvem High Chaos, která upoutala pozornost mnoha vědců, protože jde o účinný způsob modelování mozků zvířat. Je však obtížné získat kontrolu nad chaosem na vysoké úrovni kvůli složitosti parametrů systému – jeho citlivosti na různé předběžné podmínky, což je běžný termín pro „motýlí efekt“. Vědci z Laboratoře intelektuálních systémů a informatiky na Tokijské univerzitě a Centrum pro výzkum umělé inteligence nové generace zkoumají nové způsoby, jak využít dynamiku chaosu na vysoké úrovni k provádění kognitivních funkcí, jako jsou lidé.

„Chaotické cestování (CI) je vedlejším účinkem extrémního chaosu, který může vysvětlit aktivitu mozku během asociace s odvoláním,“ uvedla Dr. Katsuma Inoue. „V robotice byl CI mocným nástrojem pro implementaci spontánních vzorců chování. V této studii navrhujeme jednoduchý, systematický způsob implementace CI pomocí pouze složitých vzorů časových řad vyplývajících z extrémního chaosu. Cítili jsme, že náš přístup má potenciál pro silnější և univerzálnost při navrhování kognitivních architektur. „Umožňuje nám to vyvíjet spontánní chování bez jakékoli přesné struktury ovladače, která by jinak zasahovala.“

Výpočet Erv (RC) je technika strojového učení založená na teorii dynamických systémů և poskytuje základ pro týmový přístup. RC se používá k ovládání typu neuronové sítě zvané repetitivní neurální síť (RNN). Na rozdíl od jiných přístupů strojového učení, které přizpůsobují všechna neurální spojení v neurální síti, RC upravuje pouze některé parametry, přičemž udržuje všechna ostatní připojení RNN pevná, což umožňuje systému trénovat rychleji. Když vědci použili principy RC na chaotické RNN, prokázalo to spontánní vzorce chování, v které doufali. Na nějakou dobu se to ukázalo jako obtížný úkol v oblasti robotiky a umělé inteligence. Síťové školení navíc probíhá krátce před spuštěním և.

„Zvířecí mozky způsobují ve svých činnostech velký chaos, ale proč chaos používají, zůstává nejasný. „Náš navrhovaný model může poskytnout vhled do toho, jak chaos podporuje zpracování informací v našich mozcích,“ řekl docent Kohei Nakajima. „Kromě toho bude mít náš recept širší dopad i mimo neurovědy, protože jej lze aplikovat i na jiné chaotické systémy. Například příští generace neuromorfních zařízení inspirovaných biologickými neurony potenciálně vykazuje hodně chaosu; budou skvělými kandidáty na uvedení našeho receptu do života. Doufám, že se brzy dočkáme umělé implementace mozkových funkcí. “

Odkaz. „Vytváření spontánních změn chování prostřednictvím chaosu“, autor: Katuma Inue, Kohei Nakajima a Yasuo Kunyoshi, 2020 11. listopadu Pokrok ve vědě,
DOI: 10.1126 / sciadv.abb3989:

Financování. Tato práce byla založena na výsledcích projektu zadaného organizací New Energy և Industrial Technology Development Organisation (NEDO). Společnost KI byla podporována společností JSPS KAKENHI (číslo grantu JP20J12815). KN byl podporován společností JSPS KAKENHI (číslo grantu JP18H05472) և MEXT Quantum Leap Flagship Program (MEXT Q-LEAP) (číslo grantu JPMXS0120319794). Tuto práci podpořilo NEDO [serial numbers 15101156-0 (dated 24 June 2016) and 18101806-0 (dated 5 September 2018)] ամբ Předseda Border AI Education, School of Information Sciences և Technologies և „Next Generation“ AI Research Center [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

Lipidy na membráně mozkových buněk jsou kvůli léčbě Alzheimerovy choroby většinou přehlíženy

Byly vytvořeny vazby mezi lipidovou nerovnováhou a onemocněním, kdy změny lipidů zvyšují tvorbu amyloidových plaků, což je rys Alzheimerovy choroby. Tato nerovnováha inspirovala...

Astrofyzici jsou překvapeni neočekávanými účinky černých děr mimo jejich vlastní galaxie

Umělecká kompozice supermasivní černé díry, která reguluje vývoj jejího prostředí. Autor obrázku: Gabriel Pérez Díaz, SMM (IAC) a Dylan Nelson (Illustris-TNG) Ve středu téměř každé...

Největší australský dinosaurus – jižní titán – právě vstoupil do knih rekordů!

Australotitan cooperensis, „Southern Titan of the Cooper“. Fotografický kredit: Vlad Konstantinov, Scott Hocknull © Eromanga Natural History Museum Co je to basketbalové hřiště tak...

„Paralelní reaktory“ na bázi fotonických krystalových vláken odhalují kolektivní analogie hmotných a solitárních molekul

A. Schéma paralelních optických solitonových reaktorů založené na dutině prstencového vláknového laseru s režimem blokování. Časová optomechanická (OM) mříž umožněná fotonickými krystalovými...

Drsná kůra, která se v noci ozývá, vede k objevení nových druhů

V lesích západní a střední Afriky se v noci ozývají hlasitá volání hybridů stromů - malých, býložravých savců, ale jejich zvuk se liší podle...

Newsletter

Subscribe to stay updated.