SI, które nie przestaje się uczyć

fot. pixabay

Badacze stworzyli bota, który nauczył się dostosowywać do nowych okoliczności.

Sztuczna inteligencja często opiera się na sieciach neuronowych. Zazwyczaj po przeszkoleniu i wdrożeniu, nie uczą się one w nowy sposób, wiążąc trwale ze sposobem, w jaki zaadaptowały się do rozwiązywania określonych problemów.

W ramach nowych badań naukowcy stworzyli sieci oparte na zasadach Hebbowskich - formułach matematycznych, które pozwalają mechanizmom sztucznej inteligencji na dalsze uczenie się. Zamiast wykorzystywania wag synaptycznych - wartości decydujących o tym, jak aktywność przenosi się z jednego neuronu na drugi - o stałej wartości, zmieniają je w zależności od bodźca.

Zespół badaczy realizował swoją koncepcję na dwóch wielonożnych botach. W pewnym momencie badań naukowcy usunęli lewą przednią kończynę obu z nich, zmuszając do próby adaptacji. Oba boty początkowo miały problemy, jednak bot wykorzystujący teorię Hebbowską był ostatecznie w stanie przejść prawie siedem razy dalej niż jego konkurent.

Wnioski płynące z badań nad tą techniką wskazują na fakt, iż uczenie na bazie zasad Hebbowskich może pewnego dnia zasadniczo ulepszyć algorytmy używane do rozpoznawania obrazów, tłumaczenia lub prowadzenia pojazdów.

(rr)