Посмотрите на двух смоделированных роботов, и вы заметите большую разницу. Несмотря на то, что оба их «мозга» эволюционировали более 300 поколений, чтобы позволить им ходить, только одному это удается, а другой падает на спину.

Это потому, что только бот слева научился адаптироваться к новым обстоятельствам. Искусственный интеллект (ИИ) часто полагается на так называемые нейронные сети, алгоритмы, вдохновленные человеческим мозгом. Но в отличие от нашего, мозг искусственного интеллекта обычно не узнает что-то новое после обучения и развертывания; они застревают в том же мышлении, с которым родились.

Итак, в новом исследовании исследователи создали сети с «правилами Хебба» - математическими формулами, которые позволяют мозгу ИИ продолжать обучение. Вместо того, чтобы их синаптические веса - значения, определяющие, как активность распространяется от одного нейрона к другому - оставались неизменными, они изменяются в зависимости от опыта. Затем команда частично удалила левую переднюю ногу обоих ботов, заставив их попытаться компенсировать травму. Оба бота сначала боролись, но бот с правилами Хебба смог пройти почти в семь раз дальше, сообщают исследователи в этом месяце на Конференции по системам обработки нейронной информации.

Изучение обучения по правилам Хебба когда-нибудь сможет улучшить алгоритмы, используемые для распознавания изображений, перевода языков или управления автомобилем. В другом тесте сеть с правилами Хебба управляла гоночным автомобилем для видеоигр примерно на 20% лучше, чем его аналог без правил Хебба.

Даже если вы никогда не планируете владеть роботизированным гусеничным роботом, подобным показанному выше, мы все можем извлечь выгоду из ИИ, который учится на своих ногах (или колесах).

Источник: Science