توسعه الگوریتم های الگوبرداری شده از حیوانات توسط دارپا

به گزارش کارگروه فناوری اطلاعات سایبربان؛ سامانه‌های یادگیری ماشینی امروزی، با چالش عدم توانایی برای سازگاری با شرایط جدید، روبه‌رو هستند. الگوریتم‌های امروزی، با مجموعه‌ ثابتی از داده‌ها، آموزش داده می‌شوند. به همین دلیل، پس از پایان کار، تنها اقداماتی را که از پیش برای آن‌ها تعریف شده است، انجام می‌دهند و در موارد دیگر، کارایی ندارند.

با افزودن اطلاعات جدید، به منظور رفع چالش یادشده، می‌توان مجموعه داده‌های آموزشی را تغییر داد و سامانه را به‌روز کرد؛ اما درحال حاضر، برای انجام دادن این کار و بازنویسی داده‌ها، باید همه‌ سیستم آفلاین شود. اجرای این کار، بسیار زمان‌بر و پرهزینه‌ است. سازمان دارپا، مدتی قبل، برای رفع این مشکل، پروژه‌ای را به نام «ماشین‌های یادگیری مادام‌العمر» (Lifelong Learning Machines/L2M) راه‌اندازی کرد.

هاوا سیگلمن (Hava Siegelmann)، مدیر برنامه دفتر نوآوری اطلاعاتی دارپا گفت:

هدف اصلی برنامه ماشین‌های یادگیری مادام‌العمر، توسعه سامانه‌هایی است که می‌توانند در زمان انجام دادن وظایف، به صورت پیوسته یادگرفته، توسعه پیدا کنند. در این طرح، دستگاه‌ها یاد می‌گیرند بدون این که آموخته‌های گذشته‌‌شان را فراموش کنند، از دانش خود برای رفع چالش‌های جدید، بهره بگیرند و با آن، منطبق شوند.

پروژه یاد شده، اولین بار در سال 2017 معرفی شد. در این مدت، پژوهشگران تلاش کردند تا با تحقیق روی مکانیزم یادگیری موجودات زنده و تبدیل آن‌ها به فرآیندهای محاسباتی، نسل بعدی هوش‌های مصنوعی را به وجود آورند. این پروژه، از طریق انعقاد قرارداد با 30 گروه مختلف، درحال اجرا است.

پژوهشگران حاضر در طرح مورد بحث، به‌تازگی نتایج تحقیقات خود را در رابطه با الگوریتم‌های هوش مصنوعی الگوبرداری از موجودات زنده، منتشر کرده‌اند. بر اساس اطلاعات این سند، محققان موفق شده‌اند که نوعی پای روباتیک کنترل شده را توسط هوش مصنوعی، به وجود آورند. پاهای این روبات، عملکردی مانند تاندون حیوانات داشته، می‌توانند در هنگام حرکت در محیط‌های مختلف، آموزش ببیند. همچنین حتی در زمان زمین خوردن نیز به صورت کاملاً خودکار، تعادل خود را بازیابی می‌کند.

اندام مصنوعی یادشده می‌تواند مانند یک موجود زنده، تنها با 5 دقیقه حرکت در یک محیط بدون ساختار، راه رفتن را یاد بگیرد. توانایی یک روبات، برای یادگیری در زمان اجرای وظایف، پیشرفت فراوانی را در پروژه ماشین‌های یادگیری مادام‌العمر، به نمایش می‌گذارد.

سیگلمن ادامه داد:

ما در لبه‌ رخ دادن یک انقلاب بزرگ، در زمینه هوش مصنوعی هستیم. روش‌های ثابت موجود در سامانه‌های هوشمند امروزی، در گذر زمان، جای خود را به سیستم‌هایی خواهند داد که در هنگام انجام دادن کار، یاد می‌گیرند. این مسئله، برای ایجاد هوش مصنوعی ایمن‌تر، انعطاف‌پذیرتر و کارآمدتر -که می‌تواند در هنگام کار، پیشرفت کند- یک عنصر حیاتی به شمار می‌آید. برای مثال، در ابزارهای پیچیده‌ای مانند خودروی بی راننده -که مرتباً با شرایط جدید، مواجه می‌شود- بسیار کاربردی خواهد بود. این ویژگی، به خودروها اجازه می‌دهد در شرایط مختلف، عملکرد ایمن‌تری داشته باشند.