האם אתה זוכר את הסצנה הזו בוולט דיסני במבי היכן לומד העוף הטיטול לעמוד וללכת תחת כוחו שלו? זוהי קטע מקסים בסרט, המציג מיומנות שהרבה חיות תינוקות - מחזירים ועד ג'ירפות ועד, כן, צבאים - קולטים תוך דקות מיום לידתם. במהלך השעות הראשונות לחייהם, בעלי חיים אלה משכללים במהירות את כישוריהם המוטוריים עד שיש להם שליטה מלאה על התנועה שלהם. בני אדם, שלומדים לעמוד ולהחזיק דברים בסביבות שבעה חודשים ומתחילים ללכת בגיל 15 חודשים, הם איטיים ללא תקנה בהשוואה.
תוכן
- חיזוק חיובי
- בניית רובוטים טובים יותר
נחשו מה המשימה האחרונה שבה רובוטים ניצחו אותנו? במחקר חדש בוצע על ידי חוקרים בגוגל, מהנדסים לימדו רובוט מיניטאור מרובע ללכת ליד, ובכן, לא באמת צריך ללמד אותו הרבה בכלל. במקום זאת, הם השתמשו בסוג של בינה מלאכותית מכוונת מטרה כדי ליצור רובוט בעל ארבע רגליים ללמוד איך ללכת קדימה, אחורה, ופנה שמאלה וימינה לגמרי לבד. הוא הצליח ללמד את עצמו לעשות זאת בשלושה שטחים שונים, כולל קרקע שטוחה, מזרון רך ושטיחת דלת עם חריצים.
סרטונים מומלצים
"רובוטים רגליים יכולים להיות בעלי ניידות רבה מכיוון שרגליים חיוניות לנווט בדרכים לא סלולים ובמקומות המיועדים לבני אדם",
ג'י טאן, חוקר ראשי בפרויקט וראש מאמצי התנועה של גוגל, אמר ל-Digital Trends. "אנחנו מעוניינים לאפשר לרובוטים עם רגליים לנווט בסביבות המגוונות והמורכבות שלנו בעולם האמיתי, אבל קשה להנדס באופן ידני בקרים רובוטיים שיכולים להתמודד עם מגוון כזה ו מוּרכָּבוּת. לכן חשוב שרובוטים יוכלו ללמוד בעצמם. העבודה הזו מרגשת כי זו הדגמה מוקדמת שבאמצעות המערכת שלנו, רובוט בעל רגליים יכול ללמוד בהצלחה ללכת בעצמו".חיזוק חיובי
ללמוד ללכת בעולם האמיתי עם מאמץ אנושי מינימלי
הטכנולוגיה העומדת בבסיס הפרויקט המסוים הזה היא משהו שנקרא למידת חיזוק עמוק, א גישה ספציפית ללמידה עמוקה בהשראת הפסיכולוגיה הביהביוריסטית וניסוי וטעייה לְמִידָה. סוכני תוכנה, שאומרים למקסם תגמול מסוים, לומדים לבצע פעולות בסביבה שתשיג את התוצאות הללו בצורה המדויקת והיעילה ביותר האפשרית. כוחה של למידת חיזוק היה הפגנה מפורסמת ב-2013 כאשר DeepMind של גוגל פרסמה מאמר שמראה כיצד הוא אימן A.I. לשחק במשחקי וידאו קלאסיים של Atari. זה הושג ללא הוראה מלבד הציון על המסך וכ-30,000 הפיקסלים שהרכיבו כל פריים של משחקי הווידאו שהוא שיחק.
משחקי וידאו, או לפחות סימולציות, נמצאים בשימוש תדיר גם על ידי חוקרי רובוטיקה. סימולציה הגיונית לחלוטין בתיאוריה, מכיוון שהיא מאפשרת לרובוטיקים לאמן את המכונה שלהם בעולם וירטואלי לפני שהם יוצאים לעולם האמיתי. זה חוסך רובוטים מהמפולות והבלאי הבלתי נמנעים שהם יעברו כשהם ילמדו לבצע משימה מסוימת. כאנלוגיה, דמיינו אם כל שיעורי הנהיגה שלכם התבצעו באמצעות סימולטור נהיגה. ניתן לטעון שתלמד מהר יותר מכיוון שלא תצטרך להיות זהיר כל כך לגבי סיכון הבטיחות הפיזית שלך או פגיעה במכונית שלך (או של מישהו אחר). אתה יכול גם להתאמן מהר יותר מבלי להמתין לשיעורים שהוקצו או שנהג מורשה יהיה מוכן להוציא אותך.
הבעיה עם זה היא שכפי שכל מי ששיחק אי פעם במשחק וידאו נהיגה יודע, זה די קשה לדגמן את העולם האמיתי בצורה שמרגישה כמו, ובכן, העולם האמיתי. במקום זאת, החוקרים של גוגל החלו לפתח אלגוריתמים משופרים המאפשרים לרובוט שלהם ללמוד מהר יותר עם פחות ניסויים מעורבים. מבוסס על מחקר קודם של Google פורסם בשנת 2018, הרובוט שלהם הצליח ללמוד ללכת תוך כמה שעות בלבד בהדגמה האחרונה הזו.
הוא גם מסוגל לעשות זאת תוך שימת דגש על גישה זהירה יותר ובטוחה יותר ללמידה, הכוללת פחות נפילות. כתוצאה מכך, זה ממזער את מספר ההתערבויות האנושיות שצריך לעשות כדי להרים את הרובוט ולנקות ממנו אבק בכל פעם שהוא נופל.
בניית רובוטים טובים יותר
ללמוד ללכת תוך שעתיים אולי לא ממש רמות של יעילות למידה להליכה, אבל זה רחוק מאוד ממהנדסים שיצטרכו לתכנת באופן מפורש איך רובוט נלמד בדרך כלל לתמרן. (וכאמור, זה הרבה יותר טוב ממה שתינוקות אנושיים יכולים להסתדר במסגרת זמן מהסוג הזה!)
"אם כי אלגוריתמים רבים של למידה או חיזוק ללא פיקוח הוכחו ב סימולציה, ליישם אותם על רובוטים אמיתיים עם רגליים מתגלה כקשה להפליא", טאן הסביר. "ראשית, למידת חיזוק היא רעב לנתונים, ואיסוף נתוני רובוט הוא יקר. העבודה הקודמת שלנו התייחסה לאתגר הזה. שנית, אימון מחייב מישהו להשקיע זמן רב בפיקוח על הרובוט. אם אנחנו צריכים אדם שיפקח על הרובוט ויאפס אותו באופן ידני בכל פעם שהוא מועד - מאות או אלפי פעמים - זה ייקח הרבה מאמץ והרבה מאוד זמן לאמן את הרובוט. ככל שזה לוקח יותר זמן, קשה יותר להגדיל את הלמידה לרובוטים רבים בסביבות רבות ושונות".
יום אחד המחקר הזה יכול לעזור ליצור רובוטים זריזים יותר שמסוגלים מהר יותר להסתגל למגוון שטחים. "היישומים הפוטנציאליים הם רבים", אמר טאן. עם זאת, טאן הדגיש כי אלו "עדיין ימים מוקדמים, ויש אתגרים רבים שעלינו להתגבר עליהם".
בהתאם לנושא הלמידה לחיזוק, זה בהחלט פרס ששווה למקסם!
המלצות עורכים
- AI הפך את Breaking Bad לאנימה - וזה מפחיד
- מדוע AI לעולם לא ישלוט בעולם
- איך נדע מתי בינה מלאכותית באמת הופכת לחושית?
- הנוסחה המצחיקה: מדוע הומור שנוצר על ידי מכונה הוא הגביע הקדוש של A.I.
- קרא את 'הכתב הסינטטי' היפה להחריד של א.י. שחושב שזה אלוהים
שדרג את אורח החיים שלךמגמות דיגיטליות עוזרות לקוראים לעקוב אחר עולם הטכנולוגיה המהיר עם כל החדשות האחרונות, ביקורות מהנות על מוצרים, מאמרי מערכת מעוררי תובנות והצצות מיוחדות במינן.
