机器不再需要我们的帮助学习

与群体机器人合作的研究人员表示,现在机器可以通过观察它们来了解自然系统或人造系统是如何工作的,而不必被告知要寻找什么。

这可能会导致机器如何推断知识并使用它来检测行为和异常。

然而,与原来的图灵测试不同的是,我们的审讯者不是人,而是自己学习的电脑程序。“

该技术可以改进安全应用,如谎言检测或身份验证,并使电脑游戏更加逼真。

这也意味着机器能够预测人类和其他生物的行为。


内在自我订阅图形


图灵测试

该发现发表在该杂志上 群体智能,从先锋计算机科学家艾伦·图灵(Alan Turing)的工作中得到灵感,他提出了一个测试,如果一台机器与人类无法区分,那么这台机器就可以通过测试。 在这个测试中,一个询问者与另一个房间里的两个玩家交换信息:一个人,一个机器。

询问者必须找出哪两个人是人。 如果他们一直没有这样做 - 意味着他们不是比他们随机选择一个玩家更成功 - 机器已通过测试,并被认为具有人类智能。

“我们的研究使用图灵测试来揭示一个给定的系统如何 - 不一定是人类的作品。 在我们的案例中,我们把一大堆机器人置于监视之下,并想找出哪些规则导致了它们的移动,“谢菲尔德大学自动控制和系统工程系的Roderich Gross解释道。

“为了做到这一点,我们又安置了第二批学习机器人。 记录了所有机器人的动作,并向询问者显示了动作数据,“他补充道。

然而,与原来的图灵测试不同,我们的审讯人员不是人,而是自己学习的电脑程序。 他们的任务是区分两个群体中的机器人。 他们将原始群体的运动数据正确分类为正版,而将另一群体的运动数据正确分类为假冒。 那些成功愚弄审问者的学习机器人,使他们相信他们的动作数据是真实的 - 得到奖励。“

格罗斯说,这种方法的优势,称为“图灵学习”,是人类不再需要告诉机器要寻找什么。

机器人画像毕加索

想象一下,你想要一个机器人像毕加索一样画画。 传统的机器学习算法会评估机器人的绘画是否与毕加索相似。 但是,有人必须告诉算法,认为与毕加索类似的东西开始。

图灵学习不需要这样的先验知识。 如果这个机器人画了一个被审讯者认为是真的东西的话,它就会奖励机器人。 图灵学习将同时学习如何审问和如何绘画。

格罗斯说,他相信图灵学习可能会导致科学技术的进步。

他说:“科学家可以用它来发现自然或人造系统的规则,特别是在使用相似性度量标准不容易表征行为的情况下。

“例如,电脑游戏可以获得现实主义,因为虚拟玩家可以观察并假定人类对手的特征。 他们不会简单地模仿观察到的行为,而是揭示人类玩家与其他人的区别。“

到目前为止,格罗斯和他的团队已经在机器人群体中测试了图灵学习,但下一步是揭示一些动物集体的作用,如鱼群或蜜蜂群。 这可能会导致更好的理解哪些因素影响这些动物的行为,并最终通知政策的保护。

Sumber: 谢菲尔德大学

相关书籍

at

打破

感谢造访 InnerSelf.com, 哪里有 20,000+ 宣传“新态度和新可能性”的改变生活的文章。 所有文章均翻译为 30多种语言. 订阅 每周出版的《内在自我》杂志和玛丽·T·拉塞尔的《每日灵感》。 InnerSelf杂志 自 1985 年起出版。