Az Edinburghi Egyetemen és a Zhejiang Egyetemen dolgozó kutatók kifejlesztették a mély neurális hálózatok (DNN) ötvözésének egy olyan új módját, mellyel új típusú rendszert hoztak létre újszerű tanulási képességgel. 

A mély neurális hálózatok úgy képesek új dolgokat megtanulni, hogy többféle példán keresztüli ismételten gyakorolják őket. Eddig már sok különböző alkalmazásban felhasználták őket, például arcok felismerésére a tömegben vagy annak eldöntésében, hogy egy hiteligénylő hitelképes-e. Az új kísérletekben a kutatók több, különböző alkalmazási területekre kifejlesztett DNN-t egyesítettek, hogy új rendszert hozzanak létre az összes azt alkotó DNN előnyeivel. 

1+1=3

A munka során több DNN-t tanítottak be különböző feladatokra. Az egyik például megtanulta, hogyan kell egy robotnak ügetni, egy másik el ki tudta kerülni az akadályokat. Ezután az összes DNN-t hozzákapcsolták egy neurális hálózathoz, ami egy mozgó robot irányítása közben egy újabb betanulási időszak során megtanulta, hogyan kérje az egyes DNN-ek segírtségét, amikor olyan probléma merül fel, ami a speciális szakértelmükre épít. A létrejövő rendszer képes volt az összes kombinált DNN összes képességének elvégzésére.

A meglepetések azonban csak most kezdődtek, ahogy a MELA rendszer egyre többet megtudott saját alkotórészeiről és képességeiről, annál ügyesebben tanulta meg ezeket együtt használni a próbálkozz-hibázz típusú tesztek során, olyan módokon is, amire még meg sem tanították.

Az eredmények szerint az így létrejövő rendszer nem csupán a részek összessége lett de képes volt olyan új funkciókat is megtanulni, amelyekre egyetlen DNN sem volt képes önmagában. A kutatók a rendszert multi-expert learning architecture-nek (MELA) nevezték el.

Megtanulta például, hogyan lehet egy a csúszós padlón történt elesés utáni felkelni, vagy mit érdemes tenni, ha az egyik motorja meghibásodott. A kutatók szerint munkájuk új mérföldkő a robotika kutatásában, új paradigmát hozva létre, melyben az embereknek már nem kell majd közbenjárniuk, amikor egy robot olyan problémákkal találkozik, amelyeket korábban nem tapasztalt.

Itt lehet a nagy mesterséges intelligencia áttörés, a fotonokkal fénysebességre gyorsul a gépi tanulás Mi itt a Rakétánál tudományos áttöréseken és felfedezéseken élünk, alaposan megedződve nem gyakran dobáljuk a hajunkat, de ez most könnyen lehet az évtized híre, az a gyorsulás, amire az MI fejlesztés egy évtizede vár. Be is készítjük a Kyle Reese emlékplakettet.

(Forrás: News8plus Kép: UoE, Pixabay)

Ez is érdekelhet:

Virtuális valóság robotoknak Győrben A győri Széchenyi István Egyetem projektjében a mesterséges intelligencia segítségével növelik az  autonóm járművekkel kapcsolatos kutatások hatékonyságát. A kutatás során robotokat vizsgálnak virtuális, szimulációs környezetben.

Kaliforniában indulhat a fizetős robottaxi-szolgáltatás Kalifornia állam mindig is élen járt az önvezető járművek teszteléséhez szükséges engedélyek megadásában, azt azonban eddig még soha nem engedélyezték, hogy egy ilyen járművel bárki személyfuvarozásba, közkeletű nevén taxizásba kezdjen. Eddig.

Az új robot-ormány könnyebben megfogja a tárgyakat Robot-ormány A tudósok olyan csápszerű robotormányt építettek, melyet érzékenyebbnek tartanak a hagyományos karom vagy kéz alakú robotvégtagoknál, mert működés közben körbetekeri és finoman összeszorítja a tárgyakat, épp úgy,mint egy kígyó vagy az e...