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

Znepokojující nový důkaz, že vakcíny COVID-19 jsou méně účinné než nové varianty koronaviru

Asistentka lékaře Philana Liang připravuje láhev vakcíny COVID-19 na Lékařském kampusu University of Washington. Nový výzkum na Lékařské fakultě University of Washington v...

Rad solární chlazení – solární ohřev z jednoho systému. Není nutná elektřina

Systém snížil teplotu uvnitř testovacího systému ve venkovním prostředí vystaveném přímému slunečnímu záření o více než 12 stupňů Celsia (22 stupňů Fahrenheita). Půjčka...

Odkrytý 260 milionů let starý zabiják

Živá rekonstrukce anteosaura útočícího na býložravého moschognatha. Fotografický kredit: Alex Bernardini (@SimplexPaleo) 260 milionů let starý dravec Anteosaurus, dříve považován za těžkého, pomalého a...

Fyzici částic řeší problémy, které „sledují“ více než 20 let

Obrázek ukazuje dráhu paprsku, který prochází měděným vysokofrekvenčním kvadrupólem, černým dipólovým magnetem a štěrbinovým měřicím systémem na detektoru částic. Strukturální složitost paprsku se...

Paleontologové řeší 150 let starou záhadu – a objevují novou skupinu hmyzu

Křídlo nového druhu Okanagrion hobani z fosilního naleziště McAbee v Britské Kolumbii je samoobslužným hmyzem nového podřádu Cephalozygoptera. Kredit: Copyright Zootaxa, použitý v...

Newsletter

Subscribe to stay updated.