Roboty uczą się na błędach w czasie rzeczywistym
Roboty i sztuczna inteligencja już wcześniej potrafiły uczyć się na własnych błędach, jednak dotychczas używane algorytmy wymagały wstrzymania działania i chwili "zastanowienia". Teraz jednak, dzięki pracy inżynierów z University of Texas w Arlington, potrafią się one uczyć w czasie rzeczywistym.
Roboty i sztuczna inteligencja już wcześniej potrafiły uczyć się na własnych błędach, jednak dotychczas używane algorytmy wymagały wstrzymania działania i chwili "zastanowienia". Teraz jednak, dzięki pracy inżynierów z University of Texas w Arlington, potrafią się one uczyć w czasie rzeczywistym.
Naukowcy ci wykorzystali technikę zwaną Integral Reinforcement Learning, która polega na tym, że przy każdym powtórzeniu danej czynności maszyna próbuje poprawić swoje działanie aż do osiągnięcia optymalnych, nie dających się poprawić wyników.
Może okazać się ona bardzo przydatna zarówno w działaniu komputerów i oprogramowania jak też robotów wykonujących jakąś fizyczną pracę - dzięki temu będą one potrafiły lepiej działać w nieplanowanych wcześniej sytuacjach i będą przy tym bardziej wydajne.
Źródło:
