Исследователи используют динамические системы и машинное обучение, чтобы придать ИИ спонтанности. | Журнал "Вольт"
Пт. Ноя 27th, 2020


Исследователи используют динамические системы и машинное обучение, чтобы придать ИИ спонтанности.

Сосуществование хаоса и стабильности. Эти визуализации выходных данных системы показывают общие модели нестабильности, но локализованные модели стабильности. Предоставлено: Иноуэ и др.

Автономные функции роботов, такие как спонтанность, очень востребованы. Многие механизмы управления автономными роботами основаны на функциях животных, включая человека. Робототехники часто проектируют поведение роботов с помощью предопределенных модулей и методологий управления, что делает их специфичными для конкретных задач, ограничивая их гибкость. Исследователи предлагают альтернативный метод на основе машинного обучения для разработки спонтанного поведения за счет использования сложных временных паттернов, таких как нейронная активность мозга животных. Они надеются, что их дизайн будет реализован в роботизированных платформах, чтобы улучшить их автономные возможности.

Роботов и их управляющее программное обеспечение можно классифицировать как динамическую систему, математическую модель, которая описывает постоянно меняющиеся внутренние состояния чего-либо. Существует класс динамических систем, называемый многомерным хаосом, который привлек многих исследователей, поскольку это мощный способ моделирования мозга животных. Однако, как правило, трудно получить контроль над многомерным хаосом из-за сложности параметров системы и ее чувствительности к изменяющимся начальным условиям – феномен, популярный под названием «эффект бабочки». Исследователи из Лаборатории интеллектуальных систем и информатики и Исследовательского центра искусственного интеллекта нового поколения при Токийском университете исследуют новые способы использования динамики многомерного хаоса для реализации человеческих когнитивных функций.

«Существует аспект многомерного хаоса, называемый хаотическим перемещением (CI), который может объяснить активность мозга во время воспоминаний и ассоциаций», – сказал докторант Кацума Иноуэ. «В робототехнике CI является ключевым инструментом для реализации спонтанных поведенческих паттернов. В этом исследовании мы предлагаем рецепт реализации CI простым и систематическим образом, только используя сложные паттерны временных рядов, порожденные многомерным хаосом. подход имеет потенциал для более надежных и универсальных приложений, когда дело доходит до проектирования когнитивных архитектур. Он позволяет нам проектировать спонтанное поведение без каких-либо предопределенных явных структур в контроллере, которые в противном случае служили бы помехой ».

Резервуарные вычисления (RC) – это метод машинного обучения, основанный на теории динамических систем и обеспечивающий основу подхода команды. RC используется для управления типом нейронной сети, называемой рекуррентной нейронной сетью (RNN). В отличие от других подходов к машинному обучению, которые настраивают все нейронные соединения в нейронной сети, RC настраивает только некоторые параметры, сохраняя при этом все остальные соединения RNN фиксированными, что позволяет быстрее обучать систему. Когда исследователи применили принципы RC к хаотической RNN, она показала те спонтанные поведенческие паттерны, на которые они надеялись. В течение некоторого времени это оказалось сложной задачей в области робототехники и искусственного интеллекта. Кроме того, обучение сети происходит перед выполнением и в короткие сроки.

«Мозг животных порождает многомерный хаос в своей деятельности, но то, как и почему они используют хаос, остается невыясненным. Предлагаемая нами модель может предложить понимание того, как хаос способствует обработке информации в нашем мозгу», – сказал доцент Кохей Накадзима. «Кроме того, наш рецепт будет иметь более широкое влияние за пределами области нейробиологии, поскольку он потенциально может быть применен и к другим хаотическим системам. Например, нейроморфные устройства следующего поколения, созданные на основе биологических нейронов, потенциально демонстрируют многомерный хаос и будут отличными кандидатами. для реализации нашего рецепта. Я надеюсь, что мы скоро увидим искусственную реализацию функций мозга ».


Обучение физике нейронных сетей избавляет от слепоты к хаосу


Дополнительная информация:
Иноуэ и др., Разработка спонтанного переключения поведения с помощью хаотического передвижения. Достижения науки (2020). DOI: 10.1126 / sciadv.abb3989

Предоставлено Токийским университетом

Цитирование: Исследователи используют динамические системы и машинное обучение, чтобы добавить спонтанности ИИ (2020, 11 ноября), получено 11 ноября 2020 года с https://techxplore.com/news/2020-11-dynamical-machine-spontaneity-ai.html

Этот документ защищен авторским правом. За исключением честных сделок с целью частного изучения или исследования, воспроизведение какой-либо части без письменного разрешения запрещено. Контент предоставляется только в информационных целях.



Source link

от volt

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *