マシンはもはや私たちの援助を必要としない

スウォームロボットを扱う研究者は、機械が自然や人工的なシステムがどのように働くのかを、何を探すべきかを知らさずに習得することが可能になったと言います。

これは、機械が知識を推論し、それを使って行動や異常を検出する方法の進歩につながる可能性があります。

"しかし、オリジナルのチューリングテストとは異なり、私たちのインタロゲータは人間ではなく、むしろ自分で学習するコンピュータプログラムです。

この技術は、嘘発見や身元確認などのセキュリティアプリケーションを改善し、コンピュータゲームをより現実的にすることができます。

それはまた、機械が人々や他の生き物がどう行動するかを予測できることを意味する。


インナーセルフ購読グラフィック


チューリング試験

ジャーナルに掲載されたこの発見 スウォームインテリジェンスコンピュータが人間と区別できないように動作するならば、テストを提案した先駆的なコンピュータ科学者、アラン・チューリングの作品からインスピレーションを得ている。 このテストでは、質問者が異なる部屋の2人のプレイヤーとメッセージを交換します.1人は人間、もう1人はマシンです。

質問者は、2人の選手のうちのどれが人間かを調べなければならない。 一貫して失敗した場合、つまり、1人のプレーヤーをランダムに選択した場合よりも成功しないという意味で、マシンはテストに合格し、人間レベルのインテリジェンスを持つとみなされます。

「私たちの研究は、チューリングテストを使って、与えられたシステム(必ずしも人間ではない)がどのように現れるかを明らかにする。 私たちのケースでは、ロボットの集団を監視下に置いて、動きの原因となったルールを見つけたいと思っていました」シェフィールド大学の自動制御システムエンジニアリング部門のRoderich Grossは説明します。

"そうするために、私たちは第2のロボットを勉強するロボットを監視下に置く。 すべてのロボットの動きが記録され、モーションデータがインタロゲータに示された」と彼は付け加えた。

"しかし、オリジナルのチューリングテストとは異なり、私たちの質問者は人間ではなく、むしろ自分で学習するコンピュータプログラムです。 彼らの任務は、いずれかの群れからロボットを区別することです。 彼らは元の群れから真のものと、他の群のものとを偽造品として正確に分類することで報酬を受ける。 インタロゲーターをだますことに成功した学習ロボットは、モーションデータが本物であると信じて、報酬を受け取る」と語った。

グロス氏は、「Turing Learning」と呼ばれるアプローチの利点は、人間はもはや何を探すべきかを機械に伝える必要がないということです。

ピカソのようなロボットの塗料

あなたがピカソのようにペイントするロボットを想像してみてください。 従来の機械学習アルゴリズムは、ピカソとどれほど密接に似ているかについてロボットの絵を評価します。 しかし、誰かがピカソと似ていると思われるものをアルゴリズムに伝える必要があります。

チューリングラーニングはそのような事前知識を必要としません。 それは、それがインタロゲータによって本物であると考えられたものを描くならば、単にロボットに報酬を与えるだけです。 チューリングラーニングは、質問する方法とペインティング方法を同時に学習します。

グロス氏はチューリングラーニングが科学技術の進歩につながると彼は信じています。

「科学者は、自然界や人工的なシステムを支配するルール、特に行動が類似性の指標を使って容易に特徴づけられないルールを発見するためにそれを使うことができます。

例えば、コンピュータゲームは、バーチャルプレイヤーが人間の特徴的な特徴を観察し、想定することができるように、現実感を得ることができる。 彼らは単に観察された行動をコピーするのではなく、人間のプレーヤーを他のものと区別させるものを明らかにするだろう」

これまでのところ、グロスと彼のチームは、ロボット集団でチューリングラーニングをテストしましたが、次のステップは、魚の群やミツバチのコロニーなどの動物集団の働きを明らかにすることです。 これは、これらの動物の行動にどのような要因が影響するかをよりよく理解し、結果的に彼らの保護の方針を知らせる可能性があります。

情報源: シェフィールド大学

関連書籍

at