Máquinas não precisam mais de nossa ajuda para aprender

Máquinas não precisam mais de nossa ajuda para aprender

Pesquisadores que trabalham com robôs de enxame dizem que agora é possível para as máquinas aprenderem como os sistemas naturais ou artificiais funcionam observando-as - sem que seja dito o que procurar.

Isso poderia levar a avanços em como as máquinas inferem o conhecimento e o utilizam para detectar comportamentos e anormalidades.

"Ao contrário do teste original de Turing, no entanto, nossos interrogadores não são humanos, mas sim programas de computador que aprendem sozinhos".

A tecnologia pode melhorar os aplicativos de segurança, como detecção de mentiras ou verificação de identidade, e tornar os jogos de computador mais realistas.

Isso também significa que as máquinas são capazes de prever, entre outras coisas, como as pessoas e outros seres vivos se comportam.

O teste de Turing

A descoberta, publicada na revista Inteligência de enxame, inspira-se no trabalho do pioneiro cientista da computação Alan Turing, que propôs um teste, que uma máquina poderia passar se se comportasse indistintamente de um humano. Neste teste, um interrogador troca mensagens com dois jogadores em uma sala diferente: um humano e o outro uma máquina.

O interrogador tem que descobrir qual dos dois jogadores é humano. Se eles falharem consistentemente em fazê-lo - o que significa que eles não são mais bem-sucedidos do que se tivessem escolhido um jogador aleatoriamente - a máquina passou no teste e é considerada como tendo inteligência em nível humano.


Receba as últimas notícias do InnerSelf


“Nosso estudo usa o teste de Turing para revelar como um dado sistema - não necessariamente humano - funciona. No nosso caso, colocamos um enxame de robôs sob vigilância e queríamos descobrir quais regras causavam seus movimentos ”, explica Roderich Gross, do departamento de controle automático e engenharia de sistemas da Universidade de Sheffield.

“Para isso, colocamos um segundo enxame - feito de robôs de aprendizado - sob vigilância também. Os movimentos de todos os robôs foram registrados e os dados de movimento mostrados aos interrogadores ”, acrescenta.

“Ao contrário do teste original de Turing, entretanto, nossos interrogadores não são humanos, mas sim programas de computador que aprendem sozinhos. Sua tarefa é distinguir entre robôs de um dos enxames. Eles são recompensados ​​por categorizar corretamente os dados de movimento do enxame original como genuínos e os do outro como falsificados. Os robôs de aprendizado que conseguem enganar um interrogador - fazendo acreditar que seus dados de movimento eram genuínos - recebem uma recompensa ”.

Gross diz que a vantagem da abordagem, chamada "Turing Learning", é que os seres humanos não precisam mais dizer às máquinas o que procurar.

Robô pinta como Picasso

Imagine que você quer um robô para pintar como Picasso. Algoritmos de aprendizado de máquina convencionais classificariam as pinturas do robô por quão próximas elas pareciam um Picasso. Mas alguém teria que contar aos algoritmos o que é considerado semelhante a um Picasso para começar.

Turing Learning não requer conhecimento prévio. Simplesmente recompensaria o robô se ele pintasse algo que fosse considerado genuíno pelos interrogadores. Turing Learning aprenderia simultaneamente a interrogar e a pintar.

Gross diz acreditar que a Turing Learning poderia levar a avanços na ciência e tecnologia.

"Os cientistas poderiam usá-lo para descobrir as regras que governam sistemas naturais ou artificiais, especialmente onde o comportamento não pode ser facilmente caracterizado usando métricas de similaridade", diz ele.

“Os jogos de computador, por exemplo, poderiam ganhar realismo, pois os jogadores virtuais poderiam observar e assumir traços característicos de suas contrapartes humanas. Eles não copiariam simplesmente o comportamento observado, mas revelariam o que diferencia os jogadores humanos dos demais. ”

Até agora, Gross e sua equipe testaram Turing Learning em enxames de robôs, mas o próximo passo é revelar o funcionamento de alguns animais coletivos, como cardumes de peixes ou colônias de abelhas. Isso poderia levar a um melhor entendimento de quais fatores influenciam o comportamento desses animais e, eventualmente, informar a política para sua proteção.

Fonte: Universidade de Sheffield

Livros relacionados

{amazonWS: searchindex = Livros; palavras-chave = aprendizado de robôs; maxresults = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

siga InnerSelf on

facebook-icontwitter-iconrss-icon

Receba as últimas por e-mail

{Emailcloak = off}