آموزش هوشمندی به ربات ها
آموزش‌های پایه‌ای هوش مصنوعیآموزش‌های پیشرفته هوش مصنوعیاخبارسیستم‌‌های امبددیادگیری عمیق

آموزش هوشمندی به ربات ها ؛ ربات ها یاد می‌گیرند مثل ما فکر کنند

    0
    مدت زمان مطالعه: ۲ دقیقه

    محققان کلیات این موضوع را مشخص کرده‌اند که چگونه می‌توان رباتی را آموزش داد تا با تحریک الکتریکی سلول‌های عصبی کِشت‌شده متصل به آن از یک هزارتو عبور کند. این سلول‌های عصبی که از روی سلول‌های زنده کِشت شده‌اند، برای کامپیوتر نقش مخزن فیزیکی را دارند و سیگنال‌هایی منسجم ایجاد می‌کنند. یافته‌‌های این پژوهش نشان می‌دهد که می‌توان با ارسال سیگنال‌های مختل‌کننده به یک سیستم تعبیه‌شده، بدون نیاز به یادگیری بیشتر، رفتارهای هدفمند ایجاد کرد.

    آموزش هوشمندی به ربات ها

    آیا آموزش هوشمندی به ربات ها ممکن است؟ پیشرفت‌های فناوری رایانش مخزنی فیزیکی physical reservoir computing در رمزگشایی سیگنال‌های مغز، می‌تواند نقشی مؤثر در تولید آن دسته از ماشین‌های هوش مصنوعی داشته باشد که مثل انسان فکر می‌کنند.

    محققان دانشگاه توکیو در مقاله‌ای که در یکی از مجلات انتشارات مؤسسه فیزیک آمریکا منتشر شده، مشخص کرده‌اند که می‌توان با تحریک الکتریکی سلول‌های عصبی کِشت‌شده و متصل به ماشین، به ربات آموزش داد تا از هزارتو عبور کند.

    این سلول‌های عصبی یا نورون‌ها از سلول‌های زنده کشت شده‌‌اند و کامپیوتری مخزنی برای ایجاد سیگنال‌های منسجم به شمار می‌آیند.

    این سیگنال‌ها با عنوان سیگنال‌های هوموستاتیکی homeostatic signals نیز شناخته می‌شوند که محیط داخلی را برای ربات مشخص می‌کنند و هنگامی که ربات آزادانه در هزارتو حرکت می‌کند، این سیگنال‌ها نقش خط مبنا را ایفا می‌کنند.

    هر زمان که ربات به مسیر نادرست منحرف شود یا در جهت آن قرار گیرد، یک تکانه الکتریکی در نورون‌های کِشت‌شده اختلال ایجاد می‌کند. در حین انجام آزمایش‌ها آن‌قدر سیگنال‌های هوموستاتیکی، که پیوسته با سیگنال‌های مختل‌کننده قطع می‌شوند، به ربات ارسال می‌شود تا با موفقیت از هزارتو بیرون بیاید.

    این یافته‌ها نشان می‌دهند که می‌توان رفتارهای هدفمند را بدون نیاز به یادگیری بیشتر و تنها از طریق ارسال سیگنال مختل‌کننده به سیستم تعبیه‌شده ایجاد کرد. ربات محیط اطرافش را نمی‌بیند و هیچ اطلاعات حسی دیگری را دریافت نمی‌کند، بنابراین کاملاً وابسته به تکانه‌های الکتریکی مبتنی بر آزمون و خطا است.

    خروجی منسجم

    هیروکازو تاکاهاشی، یکی از نویسندگان مقاله و دانشیارِ رشته داده‌کاوی مکانیکی دراین‌باره می‌گوید: «من به‌شخصه از این آزمایش‌ها الهام گرفتم و این فرضیه را مطرح کردم که سازوکار هوش یک موجود زنده می‌تواند از حالتی بی‌نظم یا آشفته، خروجی منسجمی را استخراج کند.»

    با تکیه بر این اصل، محققان نشان دادند که می‌توان با استفاده از یک کامپیوتر مخزنی برای استخراج سیگنال‌های عصبی آشفته و ارسال سیگنال‌های هموستاتیک یا مختل‌کننده به توانایی هوشمند حل مسئله رسید. کامپیوتر، با انجام این کار، مخزنی ایجاد می‌کند که روش حل مسئله را می‌فهمد.

    تاکاهاشی معتقد است: «یک کودک دبستانی احتمالاً به این دلیل نمی‌تواند مسائل ریاضی پیچیده را حل کند که پویایی مغز او، یا به عبارتی ’کامپیوتر مخزنی‘ مغز او، به قدر کافی غنی نیست. بر اساس میزان غنای مجموعه‌ای از الگوهای مکانی-زمانی
    spatiotemporal
     که شبکه تولید می‌کند، می‌توان توانایی حل مسئله را تعیین کرد.»

    این تیم تحقیقاتی معتقد است به‌کارگیری رایانش مخزنی در این مسائل به شناخت بهتر سازوکار مغز انسان و احتمالاً ساخت کامپیوتر نورومورفیک منجر خواهد شد و امکان آموزش هوشمندی به ربات ها را فراهم خواهد کرد.

    جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۲ میانگین: ۵]

    رونق بازار اتوماسیون فرایندهای رباتیک (RPA)

    مقاله قبلی

    LEARNER ؛ پلتفرم هوش مصنوعی حوزه مراقبت‌های بهداشتی با حفظ حریم خصوصی داده‌ها

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *