یادگیری ماشین با الگو از یادگیری کودک

یادگیری ماشین با الگو از یادگیری کودک
هوش مصنوعی شرکتِ دیپ مایند گوگل چگونگیِ برخورد در روبرو شدن با اشیا در دنیای فیزیکی را فرا می‌گیرد.

 هوش مصنوعی گوگل با الگو از یادگیری کودک!

 

کودکان در سالهای نخستین، اینگونه تجربه می‌کنند و درباره دنیای فیزیکی پیرامون خود می‌آموزند: اشیا را فشار می‌دهند، می‌شکنند، حتی شاید لیس بزنند!

 

اکنون پژوهشگران دیپ مایند گوگل و دانشگاههای کالیفرنیا و برکلی،  هوش مصنوعی‌ای را آموزش داده اند که او نیز در حال گذران دوران کودکی خود به همین شیوه است!

 

یکی از پژوهشگران دیپ مایند بنام Misha Denil می‌گوید: بسیاری از چیزها مانند اینکه جایی برای نشستن مناسب است یا نه؟ آیا دست زدن به چیزی سر و صدا به وجود می‌آورد یا نه؟ وقتی به درستی فهمیده می‌شوند که تجربه شوند.

 

در یک مقاله که در مرحله بازبینی است Denil و همکارانش به یک هوش مصنوعی، روشِ یادگیری درباره اشیای فیزیکی را آموخته اند.

 

آنها با کاربرد واقعیت مجازی دو آزمایش جداگانه انجام داده‌اند:

  • در نخستین آزمایش هوش مصنوعی را با پنج بلوک که وزن آنها بطور تصادفی گوناگون بود  روبرو می‌کردند. اگر هوش مصنوعی سنگین‌ترین بلوک را درست تشخیص می‌داد جایزه می‌گرفت (بازخورد مثبت می‌گرفت) و اگر اشتباه می‌کرد تنبیه می‌شد(بازخورد منفی می‌گرفت). با تجربه کردن، هوش مصنوعی فرا گرفت که تنها راه برای یافتن سنگین‌ترین بلوک(و گرفتن بازخورد مثبت) این است که پیش از دادن پاسخ باید همه بلوک‌ها را بسنجد.

 

  • دومین آزمایش نیز با پنج بلوک بود ولی اینبار بلوک‌ها روی هم چیده شده بودند تا یک برج بسازند. بطور تصادفی برخی از این بلوک ها با گیره‌ای بهم چسیبده بود و برخی دیگر نه. هوش مصنوعی باید شمار کل بلوکها را تشخیص دهد. اینجا نیز پاسخ درست جایزه داشت و پاسخ نادرست با بازخورد منفی روبرو بود. با تجربه کردن، هوش مصنوعی دریافت که باید برای پاسخ درست نخست بلوک ها را از هم جدا کند تا شمارش را درست انجام دهد.

 

این نخستین بار نیست که هوش مصنوعی برای یادگیری در برابر بلوک‌ها قرار داده شده است. پیشتر در همین سال ۲۰۱۶ فیسبوک نیز از شبیه‌سازی بلوک‌های روی هم چیده شده برای دادن آموزش به شبکه‌های عصبی برای پیش‌بینیِ اینکه آیا برج فرو می‌ریزد یا نه؟ بهره برده است.

 

این روش یادگیریِ ماشین که از تشویق و تنبیه برای آموزش بهره میگیرد reinforcement learning (یادگیری تقویتی)نام گرفته است که دیپ مایند در بهره‌گیری از آن شهرت دارد.سال ۲۰۱۴ از این روش برای آموزش بازی‌های ویدیویی آتاری به هوش مصنوعی بهره گرفته شد که در پایان ماشین بهتر از انسان بازی کرد و به همین خاطر گوگل شرکت دیپ مایند را خرید!

 

یک پژوهشگر از دانشگاه  University of Sheffield, UK به نام Eleni Vasilaki  می‌گوید: یادگیری تقویتی توانایی انجام کارهایی بدون دستورالعمل از پیش تعیین شده را می دهد.مانند توانایی انسان و حیوان در حل مشکلات. و چیزی که این توانایی را دارد می‌تواند راههای مبتکرانه تازه برای روبرو شدن با مشکلات کشف کند  و هنگامی که دستورالعمل از پیش تعیین شده‌ای برای مسئله‌ای وجود ندارد راه حل مناسبی پیدا کند.

 

فضای واقعیت مجازیِ بکار برده شده برای این آزمایشها بسیار ابتدایی بوده‌است و هوش مصنوعی برای فراگیری با مجموعه کوچکی از حالت‌ها و مشخصه‌ها برای حل مسئله روبرو بوده است. و با دنیای واقعی که سرشار از مشکلات و چیزهایی است که می‌تواند ماشین را در تشخیص گمراه کند روبرو نبوده است ولی با این وجود اکنون ماشین می‌تواند بدون اینکه دانشی درباره مشخصات فیزیکی اشیا و قوانین فیزیک، از پیش فراگرفته باشد ، مسئله حل کند!

شاید اینها را نیز بپسندید:

 یادگیری ماشین چیست؟

هوش مصنوعی و آینده‌ی آن

سالی بزرگ برای هوش مصنوعی

زاد و ولد هوش مصنوعی

آهنگسازی با فنآوری یادگیری ماشین

لینک منبع خبر:

 
 
۲۴ آبان ۱۳۹۵
۱۰ نوامبر ۲۰۱۶-نیوساینتیست- Timothy Revell |

اگر این خبر را پسندیدید "خوش خبریم" را به ۲ نفر از دوستانتان معرفی کنید : ارسال این خبر به دوستان

دیدگاه بازدیدکنندگان

ابوالفضل
۱۳۹۵/۰۸/۲۵
3
0
2

ممنون از اخبار به روز شما.


تعداد کاراکتر باقیمانده: 500
نظر خود را وارد کنید