Maschinen brauchen unsere Hilfe nicht mehr zu lernen

Maschinen brauchen unsere Hilfe nicht mehr zu lernen

Forscher, die mit Schwarmrobotern arbeiten, sagen, dass es jetzt möglich ist, dass Maschinen lernen, wie natürliche oder künstliche Systeme funktionieren, indem sie sie beobachten - ohne dass ihnen gesagt wird, wonach sie suchen sollen.

Dies könnte zu Fortschritten in der Art und Weise führen, wie Maschinen auf Wissen zurückgreifen und es nutzen, um Verhaltensweisen und Anomalien zu erkennen.

"Anders als beim ursprünglichen Turing-Test sind unsere Befrager jedoch keine Menschen, sondern Computerprogramme, die selbstständig lernen."

Die Technologie könnte Sicherheitsanwendungen wie Lügendetektion oder Identitätsüberprüfung verbessern und Computerspiele realistischer machen.

Es bedeutet auch, dass Maschinen unter anderem vorhersagen können, wie sich Menschen und andere Lebewesen verhalten.

Der Turing-Test

Die Entdeckung, in der Zeitschrift veröffentlicht Schwarmintelligenz, inspiriert von der Arbeit des bahnbrechenden Informatikers Alan Turing, der einen Test vorschlug, den eine Maschine bestehen könnte, wenn sie sich ununterscheidbar von einem Menschen benahm. Bei diesem Test tauscht ein Vernehmer Nachrichten mit zwei Spielern in einem anderen Raum aus: der eine Mensch, der andere eine Maschine.

Der Befrager muss herausfinden, welcher der beiden Spieler ein Mensch ist. Wenn sie dies nicht konsequent tun - was bedeutet, dass sie nicht erfolgreicher sind, als wenn sie zufällig einen Spieler gewählt hätten - hat die Maschine den Test bestanden und wird als Intelligenz auf menschlicher Ebene betrachtet.


Holen Sie sich das Neueste von InnerSelf


"Unsere Studie nutzt den Turing-Test, um zu zeigen, wie ein bestimmtes System - nicht notwendigerweise ein Mensch - funktioniert. In unserem Fall haben wir einen Schwarm von Robotern überwacht und wollten herausfinden, welche Regeln ihre Bewegungen ausgelöst haben ", erklärt Roderich Gross von der Abteilung Automatisierungs- und Systemtechnik der Universität Sheffield.

"Dafür haben wir auch einen zweiten Schwarm aus Lernrobotern überwacht. Die Bewegungen aller Roboter wurden aufgezeichnet und die Bewegungsdaten den Vernehmern gezeigt ", fügt er hinzu.

"Anders als beim ursprünglichen Turing-Test sind unsere Befrager jedoch keine Menschen, sondern Computerprogramme, die selbstständig lernen. Ihre Aufgabe ist es, zwischen Robotern aus beiden Schwarm zu unterscheiden. Sie werden dafür belohnt, dass sie die Bewegungsdaten des Originalschwarms als echt und die des anderen Schwarms als Fälschungen kategorisieren. Die lernenden Roboter, denen es gelingt, einen Befrager zu täuschen, der glaubt, dass ihre Bewegungsdaten echt sind, erhalten eine Belohnung. "

Gross sagt, dass der Vorteil des Ansatzes, der "Turing-Lernen" genannt wird, ist, dass die Menschen den Maschinen nicht länger sagen müssen, wonach sie suchen sollen.

Roboter malt wie Picasso

Stellen Sie sich vor, Sie möchten einen Roboter wie Picasso malen. Herkömmliche maschinelle Lernalgorithmen würden die Bilder des Roboters dahingehend bewerten, wie nahe sie einem Picasso ähnelten. Aber irgendjemand müsste den Algorithmen sagen, was von Anfang an mit einem Picasso vergleichbar ist.

Turing Learning erfordert kein solches Vorwissen. Es würde den Roboter einfach belohnen, wenn er etwas malte, das von den Vernehmern für echt gehalten wurde. Turing Learning lernte gleichzeitig, wie man fragt und wie man malt.

Gross glaubt, dass Turing Learning zu Fortschritten in Wissenschaft und Technologie führen könnte.

"Wissenschaftler könnten damit die Regeln natürlicher oder künstlicher Systeme aufspüren, vor allem, wenn sich das Verhalten nicht einfach anhand von Ähnlichkeitsmaßen beschreiben lässt", sagt er.

"Computerspiele zum Beispiel könnten an Realismus gewinnen, da virtuelle Spieler charakteristische Merkmale ihrer menschlichen Gegenstücke beobachten und annehmen können. Sie würden nicht einfach das beobachtete Verhalten kopieren, sondern vielmehr aufzeigen, was menschliche Spieler von den anderen unterscheidet. "

Bis jetzt haben Gross und sein Team Turing Learning in Roboterschwärmen getestet, aber der nächste Schritt besteht darin, die Funktionsweise einiger Tiergruppen wie Fischschwärme oder Bienenvölker aufzudecken. Dies könnte zu einem besseren Verständnis darüber führen, welche Faktoren das Verhalten dieser Tiere beeinflussen, und schließlich die Politik zu ihrem Schutz informieren.

Quelle: University of Sheffield

Bücher zum Thema

{amazonWS: searchindex = Bücher; Keywords = Lernende Roboter; maxresults = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

Folge InnerSelf weiter

facebook-icontwitter-iconRSS-Symbol

Holen Sie sich das Neueste per E-Mail

{Emailcloak = off}