Нов подход към изкуствения интелект при роботите, който реално изгражда несигурност

Изкуственият интелект на роботите не е перфектен. Всъщност той е толкова добър, колкото методите и данните, вградени от хората в него. Сам по себе си той не знае дали липсва информация, колко тежест да даде различен вид информация или дали данните, които черпи, са неправилни или повредени. Не може да се справи точно с несигурност или случайни събития – освен ако не научи как. Разчитайки изключително на данни, както обикновено правят моделите за машинно обучение, робота не използва знанията, натрупани от експертите през годините, и физическите модели в основата на физическите и химичните явления, така както хората правят. Трудно е да се научи роботът да организира и обобщава информация от много различни източници.

Сега изследователите от Университета в Делауеър и Университета на Масачузетс-Амхерст публикуваха подробности за нов подход към изкуствения интелект на роботите, който реално изгражда несигурност, истински грешки, създава физически закони, експертни познания и допълва липсващи данни в своите изчисления и в крайна сметка води до много по-надеждни модели на роботско поведение. Новият метод предоставя гаранции, които обикновено липсват от IT моделите, показвайки колко ценен – ​​или не – може да бъде моделът за постигане на желания резултат.

„Несигурността се отчита в дизайна на нашия модел“, каза Лансфорд. „Сега това вече не е детерминиран модел. Той е вероятностен.“

С тези нови математически разработки добавяни към роботската логика, самият модел идентифицира какви данни са необходими за намаляване на грешката при изкуствения интелект на робота.

Подобренията в изкуственият интелект не означава, че човешкият опит вече не е необходим. Точно обратното. Експертните познания, които произтичат от лабораторията и строгостта на научните изследвания, са от съществено значение.