產(chǎn)品分類 / Product Categories
聯(lián)系我們 / Contact Us
江西丹巴赫機器人股份有限公司服務(wù)熱線：400-697-1188
聯(lián)系電話：0791-88133135
公司傳真：0791-88221576
手機號碼：18607918385
公司郵箱：sale@danbahe.cn
公司地址：南昌市高新區(qū)創(chuàng)新三路811號
當(dāng)機器人擁有了好奇心
DANBACH ROBOT
在場關(guān)于人工智能的轉(zhuǎn)折中，計算機科學(xué)家對機器進行編程，使其變得具有好奇心——能自己探索周圍環(huán)境并且為了學(xué)習(xí)而學(xué)習(xí)。這種新方法可使機器人比現(xiàn)在學(xué)習(xí)得更快。有朝日，它們甚至可能在形成假設(shè)和推動已知科學(xué)向前發(fā)展方面超越人類科學(xué)家。
“發(fā)展好奇心是智能的核心問題。”在美國布朗大學(xué)掌管智能機器人實驗室的計算機科學(xué)家GeorgeKonidaris介紹說，“當(dāng)你不確定你的機器人將來要做什么時，使其具有好奇心將會非常有用。”
多年以來，科學(xué)家直在開發(fā)針對好奇心的算法，但復(fù)制人類的求知欲是個難題。比如，大多數(shù)方法不能評估智能機器人在看見某個事物前預(yù)測其是否有趣方面存在的差距。（人類有時能通過封面判斷本書是否有趣）
目前在英國倫敦谷歌深度思維公司就職的計算機科學(xué)家ToddHester希望做得更好。“我在尋找使計算機更加聰明地學(xué)習(xí)并且像人類樣進行探索的方法。”Hester表示，“不是探索所有事情，也不是隨意進行探索，而是嘗試著更加聰明地做些事情。”
為此，Hester和得克薩斯大學(xué)計算機科學(xué)家PeterStone開發(fā)了種名為TEXPLORE-VENIR、依賴于強化學(xué)習(xí)技術(shù)的新算法。在強化學(xué)習(xí)中，程序會嘗試些事情。如果個舉動使其離某個較終目標(biāo)（比如迷宮的盡頭）更近步，它會收到個小小的獎勵并且更有可能在將來再次嘗試這操作。深度思維公司利用強化學(xué)習(xí)，使程序通過隨機試驗掌握雅達利游戲和圍棋游戲的玩法。不過，和其他具有好奇心的算法樣，TEXPLORE-VENIR同樣設(shè)置了個內(nèi)在目標(biāo)。如果它理解了些新事物，就會獎勵自己，即便這些知識并未使其離較終目標(biāo)更近步。
隨著TEXPLORE-VENIR不斷學(xué)習(xí)并且構(gòu)建起關(guān)于的模型，它會因發(fā)現(xiàn)了和此前見到的事物不樣的信息而獎勵自己。比如，在幅地圖上發(fā)現(xiàn)遙遠的地方，或者在烹調(diào)用的程序上發(fā)現(xiàn)具有異國情調(diào)的食譜。“它們是完全不同的學(xué)習(xí)和探索類型。”Konidaris表示，“對它們進行平衡真的很重要。我喜歡這篇文章的地方在于它同時做到了兩點。”
Hester和Stone在兩個場景中測試了他們的方法。先是個含有圈4個房間的虛擬迷宮，房間則由鎖著的門連接起來。機器人（僅是個計算機程序）不得不找到鑰匙，將其撿起來，然后利用它打開門上的鎖。每通過扇門，機器人會獲得10分，并且擁有3000步來獲得更高的得分。如果研究人員先讓機器人僅在TEXPLORE-VENIR的指導(dǎo)下摸索1000步，它在3000步的測試階段會平均獲得約55分。如果機器人利用其他開發(fā)好奇心的算法進行此類探索，它在測試階段的得分從0到35分不等，除了利用種被稱為R-Max的算法。后者也能讓機器人獲得約55分。在另個不同的設(shè)定中，機器人不得不同時探索和穿過門。TEXPLORE-VENIR獲得了約70分，R-Max獲得了約35分，其他算法獲得的分?jǐn)?shù)則不到5分。研究人員在6月出版的《人工智能》雜志上報告了這結(jié)果。
隨后，研究人員利用實體機器人測試了他們的算法。這是個被稱為Nao的人形玩具。在3項單獨的任務(wù)中，半米高的機器人需要擊打鐃鈸、用手將粉色膠帶舉到眼前或者按下腳上的按鈕，從而獲得分?jǐn)?shù)。在每項任務(wù)中，它有200步來獲得分?jǐn)?shù)，但在這之前會有400步來摸索。這要么是隨機進行的，要么利用TEXPLORE-VENIR。每種方法平均開展了13次試驗。相較于隨機摸索，在利用TEXPLORE-VENIR進行探索后，Nao在找到粉色膠帶上做得更好，并且在13次試驗中，有7次按下了按鈕。但在隨機探索后，沒有次按下。通過自身和周圍環(huán)境開展半結(jié)構(gòu)化的試驗，TEXPLORE-VENIR做好了充分準(zhǔn)備執(zhí)行被分配的任務(wù)，就像嬰兒在學(xué)習(xí)爬之前舞動自己的四肢樣。
在做家務(wù)、設(shè)計高效的生產(chǎn)流程或者為疾病尋求治療方案時，具有好奇心的機器人會表現(xiàn)出靈活的行為。Hester表示，下步將利用深度神經(jīng)網(wǎng)絡(luò)，即以大腦結(jié)構(gòu)為模型的算法更好地確定要探索的新領(lǐng)域。而這順便也能使Hester的探索更進步：“我們能否制造像孩子樣學(xué)習(xí)的機器人呢？”
上一篇：接下來國產(chǎn)工業(yè)機器人要怎么走？
下一篇：“云”將無處不在 人工智能深入各行各業(yè)