یادگیری تقویتی جدید، روبات ها را خودمختارتر و همه فن حریف تر می نماید - وبلاگ کوجی هامی

به گزارش وبلاگ کوجی هامی، تیمی از محققان دانشگاه ادینبرو در اسکاتلند و ججیانگ در چین روش جدیدی را برای ادغام شبکه های عصبی عمیق با هم ابداع نموده اند تا نوع جدیدی از توانایی یادگیری را ایجاد نمایند.

به گزارش خبرنگار فناوری وبلاگ کوجی هامی، شبکه های عصبی عمیق معمولا با آموزش چندین مثال به طور مکرر قادر به یادگیری توابع هستند. تا به امروز از این فناوری برای شناسایی چهره در جمعیت یا تصمیم گیری در خصوص اعتبارسنجی متقاضیان وام استفاده شده است. ولی محققان ادینبرو و ججیانگ در تلاشند که شبکه های عصبی عمیق را برای کاربرد های مختلف با هم ترکیب نمایند و یک سیستم جدید طراحی نمایند که مزایای تمامی این شبکه های عصبی را دربرداشته باشد.

به گزارش این محققان، سیستم حاصل چیزی بیش از مجموعه ای از قطعات است و سیستمی به وجود آمده که قادر به یادگیری توابعی است که هیچ کدام از شبکه های عصبی به تنهایی قادر به آن نیستند. محققان آن را معماری یادگیری چندتخصصی یا MELA نامیده اند.

در آزمایشی که محققان انجام دادند، یکی از این MELA ها یاد گرفت که روبات را در اطراف موانع براند. همه این شبکه های عصبی عمیق به یک شبکه عصبی درگاهی متصل شدند و به مرور زمان یاد گرفتند که چگونه وقتی با مانعی برخورد می نمایند، مهارت های خاص مربوط به عبور از کنار مانع را یاد بگیرند. زیرا کنترل روباتی که در محیطی حرکت می نماید، به مهارت های خاصی احتیاج دارد و هر بار یکی از آن ها را فراخوانی می نماید. سپس این سیستم قادر به انجام کلیه مهارت هایی خواهد بود که تک تک شبکه های عصبی عمیق آن را دارند.

اما این انتها آزمایش نبود، چون MELA اطلاعات بیشتری را در خصوص اجزای سازنده و توانایی آن ها کسب کرد و یاد گرفت که به وسیله آزمون و خطا و از روش هایی که اصلا به آن آموزش داده نشده بود، چیز های بسیاری را یاد بگیرد. به عنوان مثال یاد گرفت که پس از سقوط و برخورد با زمین لغزنده دوباره از جا بلند گردد و یا در صورت خرابی یکی از موتور ها چگونه کار خود را از سر بگیرد. محققان ادعا می نمایند که این پژوهش نقطه عطفی در تحقیقات روباتیک به شمار می رود و الگوی جدیدی را ارائه می دهد که در آن، زمانی که روبات به مسئله ای بربخورد که قبلا آن را تجربه نموده است، دیگر احتیاجی به دخالت انسان نداشته باشد و خودش راهکاری برای خودش پیدا کند.