Новая схема обучения напомнит роботам, что они не обладают абсолютно точными сведениями во всех областях, - пишет sciencenews.org.

Программы ИИ, которые обеспечивают функционирование роботов, автомобилей с автоматическим управлением и других автономных машин, часто тренируются в симулированной среде перед тем, как начать действовать в реальных обстоятельствах. Но если ИИ не сталкивался с некоторыми ситуациями в виртуальной реальности, то он может не знать, какое решение принять в реальной жизни. Например, робот доставки, обученный в виртуальном городском пейзаже без аварийных транспортных средств, может не знать, что ему следует остановиться перед выходом на пешеходный переход, если он услышит сигналы машин.

Чтобы создать машины, которые реагируют на предупреждение, ученый-компьютерщик Рамия Рамакришнан из Массачусетского технологического института разработал программу обучения после моделирования, в которой демонстратор-человек помогает ИИ выявлять пробелы в его образовании. «Это позволяет [ИИ] безопасно действовать в реальном мире», - говорит Рамакришнан. Инженеры также могут использовать информацию о «слепых» зонах ИИ для разработки более качественных симуляций в будущем.

В течение испытательного срока ИИ принимает к сведению факторы окружающей среды, влияющие на действия человека, которые он не распознает при моделировании. Когда человек делает что-то, чего ИИ не ожидает - например, колеблется, подходя к пешеходному переходу, несмотря на то, что имеет право прохода - ИИ сканирует свое окружение на предмет ранее неизвестных элементов, таких как сигналы автомобилей. Если ИИ обнаруживает какую-либо из этих функций, он предполагает, что человек соблюдает какой-то протокол безопасности, который он не изучал в виртуальном мире, и что он должен подчиняться суждению человека в подобных ситуациях.

Рамакришнан и его коллеги проверили эту установку, сначала обучив ИИ-программы упрощенному моделированию, а затем позволив им изучить свои слепые зоны от человеческих персонажей в более реалистичных, но все же виртуальных мирах. Теперь исследователям необходимо протестировать систему в реальном мире.

[Фото: sciencenews.org]