هل تحتاج الروبوتات إلى ويكيبيديا الخاصة بها؟
مرحبًا بك في صفحات مدونة iCover! على الرغم من تشكك جزء معين من المثقفين في موارد مثل ويكيبيديا ، والتي لها في بعض الحالات أسباب جيدة ، بشكل عام ، إلا أن قيمة مصدر المعلومات هذا المتاح للجميع يجب أن يتم الاعتراف بها على أنها إيجابية. بطبيعة الحال ، فإن ربط زيارة إلى ويكيبيديا أو YouTube بنوع من الوحي العلمي سيكون أمرًا متهورًا ، فهو يتعلق أكثر بالوصول إلى معلومات حول أشياء تافهة تمامًا تساعدنا في الإجابة على التحديات والأسئلة الحالية في عصرنا. لذلك ، على سبيل المثال ، سيتيح لنا مقطع فيديو حول كيفية طهي العجة وفقًا لوصفة أصلية تم عرضها على YouTube تحسين محو الأمية في مجال الطهي بسرعة وكفاءة دون اللجوء إلى الحاجة إلى وصفات تعليمية مملة من كتاب طبخ. لماذا نحن فعلا؟السؤال مهم: معنا كل شيء بسيط للغاية ومفهوم ومألوف ، ولكن كيف يمكن تكييف المعرفة المتراكمة من قبل البشرية مع عملية تدريب الروبوتات بشكل أكثر فاعلية؟ من الواضح أن قيمة المعلومات التي قدمها الروبوت إلى جهاز PS استجابةً لـ "استفسار البحث": ما هي الخوارزمية لنقل فنجان من الشاي من المطبخ إلى غرفة المعيشة؟ ... سيتم تخفيضها إلى الصفر. لاستيعاب المعلومات ، يحتاج الجهاز إلى إجابة مفصلة وإرشادات خطوة بخطوة مع إجراءات محددة وفهم للغة. لذلك في مثالنا مع كوب من الشاي ، سيكون من الضروري تقديم معلومات حول إحداثيات الحاوية مع الشاي ، وطريقة الالتقاط ، والمكان الذي تحتاج إلى نقله ، وما إلى ذلك. بالطبع ، يتم تبسيط المثال عمداً - في الحياة الواقعية مع بيئة متغيرة عشوائيًا ، تحيط المعلومات بالعديد من المعلمات الإضافية المتعددة والمتجهات تمهيدي.وهنا تُرى مشكلة محددة: تفرض تفاصيل العديد من الأساليب الحالية لتدريب الأنظمة الآلية بعض القيود على فعالية مثل هذا التدريب.يصبح البحث عن طرق لإنشاء خوارزميات ومصادر معلومات موحدة للتدريب الإنتاجي للروبوتات حافزًا قويًا للبحث وتطوير اتجاهات جديدة وطرق لنقل المعرفة الخاصة واكتساب الخبرة المطلوبة. نتطرق اليوم إلى مجالين واعدين ، وقد عمل الباحثون بالفعل على تحقيق بعض النتائج الإيجابية.يوتيوب روبوت التدريب
لذا ، كما اكتشفنا ، فإن تلك الأشياء التي تبدو بسيطة وطبيعية بالنسبة لنا (أبسط الإيماءات ، ومعالجة الخضروات ، والعمل باستخدام مكنسة كهربائية ، وطهي الطعام وفقًا لوصفات مألوفة ، وما إلى ذلك) بالنسبة للروبوت الذي لم يخضع لتدريب خاص لا تزال مشكلة غير قابلة للحل. والحقيقة هي أنه في المرحلة الحالية ، لا تزال الروبوتات ، على عكس البشر ، لا تعرف كيفية التعلم تجريبياً ، واستكشاف العالم بشكل مستقل وربط الأشياء المحيطة بصفات معينة. وهكذا ، اليوم ، في فجر تطور الروبوتات ، يحتاج الروبوت حتى الآن إلى تعليم كل حركة ابتدائية بشكل فردي - كيفية فتح الثلاجة ، وكيفية أخذ الحاوية ، وكيفية فتحها ، وكيفية استخراج المحتويات.أجبر الافتقار إلى جودة بشرية ذات قيمة مثل الحدس وأي نوع من مهارات التفكير النقابي والعملية المطولة لتدريب الروبوتات في هذا الصدد المتخصصين على البحث عن طرق بديلة وتطويرها. اقترح خبراء من معهد تقنيات الكمبيوتر المتقدمة (ميريلاند ، الولايات المتحدة الأمريكية) إجابتهم على السؤال ، باستخدام مقاطع فيديو YouTube لتسريع وتحسين جودة التدريب.لوحظت زيادة في كفاءة عملية التعلم في هذه الحالة بسبب الاستخدام المتزامن لقناتين لتحديد المعلومات - التعرف عن طريق الذكاء الاصطناعي على الإجراءات التي يقوم بها شخص في فيديو التدريب والاعتراف بمعلومات الكلام عن طريق تحليل اللغة. تسمح عملية التعلم في أي وقت بمطابقة كلمات وعبارات معينة ومعانيها وإجراءاتها المقابلة على الشاشة.ووفقًا للمشاركين في التجربة ، فإن استخدام منهجية التدريب "ذات القناتين" بالفعل سمح لنا اليوم بإثبات مستوى الدقة في إنجاز المهام على مستوى 77٪ بمعدل حفظ 76٪. علاوة على ذلك ، تتعرف الوحدة على الأشياء بدقة 93٪ وستتمكن في المستقبل من تحديد الأوامر اللفظية الأكثر تعقيدًا بدرجة عالية من الدقة.التعلم السحابي
الروبوتات مألوفة بالمشاكل التي تواجهها عنابرها الميكانيكية عند ممارسة الخوارزميات لالتقاط الأشياء من مختلف الأشكال والأوزان والأحجام. تواجه الروبوتات أيضًا مشاكل واضحة في الحالات التي يكون فيها من الضروري التقاط أو استخدام أشياء غير مألوفة لها للغرض المقصود. وهنا ، لا غنى عن التقنيات السحابية. يقوم فريق من المتخصصين من جامعة براون بالولايات المتحدة الأمريكية ، بقيادة Stefanie Tellex (Stefanie Tellex) بإجراء تجربة لتعليم روبوت Baxter التعاوني كيفية التقاط الأشياء ونقل تجربتها إلى رفاق روبوتات من نفس الطراز.يقوم الروبوت الذي يصادف أولاً كائنًا بمسح الأخير باستخدام مستشعرات الأشعة تحت الحمراء ، مما يسمح له بتحديد شكل الكائن. والخطوة التالية هي اختيار النهج الذي سيكون الأمثل عند رفع كائن من هذا الشكل. تعمل مثل هذه الخوارزمية في معظم الحالات وتبين أنها أكثر نجاحًا بنسبة 75٪ من محاولات الالتقاط التي قام بها البروتوكول القياسي. لكن هذه ليست سوى الخطوة الأولى. في المرحلة التالية ، يتم تحميل التجربة الإيجابية المكتسبة إلى السحابة ، والتي تعد في الأساس قاعدة بيانات للكائنات التي تمت دراستها بالفعل لجميع الروبوتات المتصلة بها ونوع من التناظرية في ويكيبيديا المذكورة أعلاه.واليوم ، يعمل حوالي 300 روبوت باكستر في مختبرات حول العالم. يقدر الخبراء أنه إذا شاركوا جميعًا في تجديد قاعدة بيانات السحابة المشتركة ، فعندئذٍ عندما يتم تحميل المجتمع الآلي بالكامل كل 11 يومًا ، يمكن استكمال المكتبة بمعلومات حول مليون كائن قيد الدراسة. نظرًا لحقيقة أنه يمكن الانتهاء من النظام الأساسي الأساسي ، فإن مثل هذا النهج في المستقبل سيكون حافزًا قويًا لتنمية المجتمع بأكمله. لذا ، على سبيل المثال ، حصل باكستر مؤخرًا نسبيًا على "قبضة ناعمة" ، مما سمح له برفع العديد من الأشياء دون المساس بسلامتها.ستتيح لنا إمكانية التقاط مجموعة متنوعة من الكائنات دون خطر إسقاطها وإتلافها النظر في المجالات الجديدة المستقبلية لتطبيق هذه الروبوتات ليس فقط على خطوط التجميع ، ولكن أيضًا في البنية التحتية لمجمعات المستودعات من أنواع مختلفة. وهذه ليست سوى البداية، وفي المستقبل إمكانية وجود الذات الجماعية التي تكشف الغيمة "Robopedia" (وهو مصطلح للمؤلف.) مع وجود درجة عالية من احتمال يمكن استخدامها في مجال تقريبا أي من الروبوتات، من الطب - ل قطاع الخدمات و الحرائق إطفاء .الأمثلة الإيجابية التي تساعد في إطلاق العنان لإمكانيات مفهوم التعلم السحابي اليوم تسمح لنا بالفعل بأن نكون متفائلين بشأن مستقبل مثل هذا النهج. من بين هذه الأمثلة هي أبسط الطرق لتعليم التعرف على مكتبات الصور التي تساعد في تحديد الأشياء ومجموعات كاملة من الخوارزميات التي تسمح لك بنقل المهارات الفردية من أعلى مرتبة. ويعمل متخصصون من جامعات براون وستانفورد وجامعة كورنيل بنشاط لخلق بيئة تعليمية ذكية قائمة على السحابة. في المرحلة الحالية من البحث ، يسمح لك النظام الآلي بحفظ ونقل المعلومات حول الرموز وعناصر النحو والأشكال والخصائص اللمسية والمهارات الحركية إلى سحابة المعلومات العامة.نهج التعلم Cloud Robopedia حديث نسبيا. حتى وقت قريب ، كانت الغالبية العظمى من الباحثين تعتبر عملية التعلم منعزلة. ستتيح مراجعة مفهوم التدريب للمتخصصين التركيز على تحسين خوارزميات الروبوت ، مع الوصول المجاني إلى مكتبة كاملة وحديثة من المعرفة المتراكمة في الميدان في الوقت الحالي.
أعزائي القراء ، يسعدنا دائمًا أن نلتقي وننتظرك على صفحات مدونتنا. نحن على استعداد لمواصلة مشاركة أحدث الأخبار ومواد المراجعة والمنشورات الأخرى معك ، وسنحاول بذل قصارى جهدنا لجعل الوقت الذي تقضيه معنا مفيدًا لك. وبالطبع ، لا تنسى الاشتراك في أعمدتنا .مقالاتنا وأحداثنا الأخرىSource: https://habr.com/ru/post/ar391649/
All Articles