मशीनें सीखने में हमारी सहायता की आवश्यकता नहीं है

मशीनें सीखने में हमारी सहायता की आवश्यकता नहीं है

झुंड रोबोटों के साथ काम करने वाले शोधकर्ताओं का कहना है कि अब ये मशीनें सीखने के लिए संभव है कि प्राकृतिक या कृत्रिम प्रणालियां उन्हें देखकर कैसे काम करती हैं-बिना बताए कि किस प्रकार की तलाश है।

यह अग्रिम कैसे हो सकता है कि मशीनें ज्ञान कैसे जानती हैं और इसका उपयोग व्यवहार और असामान्यताओं का पता लगाने के लिए करते हैं।

"मूल ट्यूरिंग परीक्षण के विपरीत, हालांकि, हमारे पूछताछ मानव नहीं बल्कि कंप्यूटर प्रोग्राम हैं जो स्वयं सीखते हैं।"

प्रौद्योगिकी सुरक्षा अनुप्रयोगों में सुधार कर सकती है, जैसे पहचान या पहचान सत्यापन झूठ, और कंप्यूटर गेमिंग को अधिक यथार्थवादी बनाते हैं।

इसका मतलब यह भी है कि मशीनें भविष्यवाणी करने में सक्षम हैं, अन्य बातों के अलावा, लोग और अन्य जीवित चीजें किस तरह व्यवहार करती हैं

ट्यूरिंग टेस्ट

खोज पत्रिका में प्रकाशित झुंड खुफिया, अग्रणी कंप्यूटर वैज्ञानिक एलन ट्यूरिंग के काम से प्रेरणा लेता है, जिन्होंने एक परीक्षण का प्रस्ताव रखा था, जो एक मशीन पारित कर सकता था अगर वह एक इंसान से अविवेकी से व्यवहार करता था। इस परीक्षा में, एक पूछताछकर्ता एक अलग कमरे में दो खिलाड़ियों के साथ संदेशों का आदान-प्रदान करता है: एक इंसान, दूसरा यंत्र।

पूछताछकर्ता को यह पता लगाना होगा कि दो खिलाड़ी कौन से इंसान हैं यदि वे लगातार ऐसा करने में असफल रहते हैं तो यह अर्थ है कि अगर वे एक खिलाड़ी को यादृच्छिक रूप से चुनते हैं तो इससे ज्यादा सफल नहीं रहेगा-मशीन ने परीक्षा उत्तीर्ण की है, और मानव स्तर की खुफिया माना जाता है।


इनरसेल्फ से नवीनतम प्राप्त करें


"हमारा अध्ययन ट्यूरिंग टेस्ट का उपयोग करता है ताकि पता चलता है कि एक इंस्ट्रूमेंट्स कैसे काम करता है-यह जरूरी नहीं कि मानव-काम करता है हमारे मामले में, हम निगरानी में रोबोटों का झुंड लगाते थे और यह जानना चाहते थे कि किन नियमों ने उनके आंदोलन का कारण बना दिया, "शेफील्ड विश्वविद्यालय में स्वचालित नियंत्रण और सिस्टम इंजीनियरिंग विभाग से रॉडेरिक ग्रॉस को बताता है।

"ऐसा करने के लिए, हम रोबोट सीखने का एक दूसरा झुंड लगाया- अंडर निगरानी भी। सभी रोबोटों की गतिविधियों को दर्ज किया गया और जांचकर्ताओं को दिखाए गए गति आंकड़े "उन्होंने कहा।

"मूल ट्यूरिंग परीक्षण के विपरीत, हालांकि, हमारे पूछताछ मानव नहीं बल्कि कंप्यूटर प्रोग्राम हैं जो खुद से सीखते हैं। उनका कार्य रोबोटों के बीच झुंड से अलग करना है मूल झुंड से गति डेटा को वास्तविक रूप से वर्गीकृत करने के लिए उन्हें पुरस्कृत किया गया है, और अन्य झुंड से नकली के रूप में। सीखने वाले रोबोट जो एक पूछताछकर्ता को बेवकूफ़ बनाते हुए सफल होते हैं - यह मानते हुए कि उनके प्रस्ताव डेटा वास्तविक थे-एक इनाम प्राप्त करते हैं। "

सकल कहते हैं, "ट्यूरिंग लर्निंग" नामक दृष्टिकोण का लाभ, यह है कि इंसान को अब मशीनों को बताए जाने की जरूरत नहीं है कि किसकी तलाश है।

पिकासो जैसे रोबोट पेंट्स

कल्पना कीजिए कि आप पिकासो की तरह पेंट करने के लिए रोबोट चाहते हैं पारंपरिक मशीन सीखना एल्गोरिदम, रोबोट की पेंटिंग की दर के अनुसार पिकासो से मिलते हैं। लेकिन किसी को एल्गोरिदम बताएं, जो पिकासो के समान ही माना जाता है।

ट्यूरिंग लर्निंग को ऐसे पूर्व ज्ञान की आवश्यकता नहीं होती है यह बस रोबोट को इनाम देता है अगर यह कुछ ऐसी चीज़ों को चित्रित करता है जो जांचकर्ताओं द्वारा वास्तविक माना जाता था। ट्यूरिंग लर्निंग सीखना होगा कि कैसे पूछताछ करना और कैसे पेंट करना है।

सकल कहते हैं कि उनका मानना ​​है कि ट्यूरिंग लर्निंग से विज्ञान और प्रौद्योगिकी के क्षेत्र में अग्रिम हो सकता है।

"वैज्ञानिक इसे प्राकृतिक या कृत्रिम प्रणालियों को नियंत्रित करने वाले नियमों को खोजने के लिए उपयोग कर सकते हैं, विशेषकर जहां समानता मैट्रिक का उपयोग करके व्यवहार को आसानी से नहीं देखा जा सकता है," वे कहते हैं।

"कंप्यूटर गेम, उदाहरण के लिए, यथार्थवाद में हासिल हो सकता है क्योंकि आभासी खिलाड़ियों को उनके मानवीय समकक्षों की विशिष्ट विशेषताएँ देख सकते हैं और मान सकते हैं। वे केवल मनाया व्यवहार को प्रतिलिपि नहीं करेंगे, बल्कि यह बताएं कि मानव खिलाड़ियों को बाकी से अलग क्या है। "

अब तक, सकल और उनकी टीम ने रोबोट के झुंड में ट्यूरिंग लर्निंग का परीक्षण किया है, लेकिन अगले चरण में कुछ जानवरों के सामूहिक कामकाज प्रकट करना है जैसे मछली या मधुमक्खी के कालोनियों के स्कूल। इससे कारकों को इन जानवरों के व्यवहार को प्रभावित करने की बेहतर समझ हो सकती है, और आखिरकार उनकी सुरक्षा के लिए नीति को सूचित कर सकती है।

स्रोत: शेफील्ड विश्वविद्यालय

संबंधित पुस्तकें

{amazonWS: searchindex = Books; कीवर्ड्स = रोबोट्स लर्निंग, मैक्सिममलेस = 1}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

InnerSelf पर का पालन करें

फेसबुक आइकनट्विटर आइकनआरएसएस आइकन

ईमेल से नवीनतम प्राप्त करें

{Emailcloak = बंद}

इनर्सल्फ़ आवाज

आप क्या कर रहे हैं? कि तरस भरा जा सकता है?
आप क्या कर रहे हैं? कि तरस भरा जा सकता है?
by मैरी टी। रसेल, इनरएसल्फ़

सबसे ज़्यादा पढ़ा हुआ

आप तलाक के बारे में अपने बच्चों से कैसे बात करते हैं?
आप तलाक के बारे में अपने बच्चों से कैसे बात करते हैं?
by मोंटेल विलियम्स और जेफरी गार्डेरे, पीएच.डी.