क्या रोबोट को अपने स्वयं के विकिपीडिया की आवश्यकता है?

ICover Blog Pages में आपका स्वागत है! विकिपीडिया जैसे संसाधनों पर बुद्धिजीवियों के एक निश्चित हिस्से के संदेह के बावजूद, जो कुछ मामलों में काफी अच्छे कारण हैं, सामान्य तौर पर, सभी के लिए सुलभ इस सूचना स्रोत का मूल्य फिर भी सकारात्मक के रूप में पहचाना जाना चाहिए। बेशक, विकिपीडिया या YouTube की यात्रा को किसी तरह के वैज्ञानिक रहस्योद्घाटन के साथ जोड़ना लापरवाह होगा, यह पूरी तरह से तुच्छ चीजों के बारे में जानकारी तक पहुंच के बारे में है जो हमें वर्तमान चुनौतियों और हमारे समय के सवालों के जवाब देने में मदद करते हैं। इसलिए, उदाहरण के लिए, YouTube पर देखे गए एक मूल नुस्खा के अनुसार आमलेट पकाने का एक वीडियो हमें कुकबुक से थकाऊ सीखने के व्यंजनों की आवश्यकता का सहारा लिए बिना हमारी पाक साक्षरता को जल्दी और कुशलता से बढ़ाने की अनुमति देगा। हम वास्तव में क्यों हैं?

सवाल दिलचस्पी का है: हमारे साथ सब कुछ काफी सरल, समझने योग्य और परिचित है, लेकिन मानव जाति द्वारा संचित ज्ञान को सबसे प्रभावी ढंग से प्रशिक्षण रोबोट की प्रक्रिया में कैसे अनुकूलित किया जाए? यह स्पष्ट है कि पीएस को उसकी "खोज क्वेरी" के जवाब में रोबोट द्वारा पीएस को प्रदान की गई जानकारी का मूल्य: रसोई से एक कप चाय को लिविंग रूम में स्थानांतरित करने के लिए एल्गोरिदम क्या है? ... घटकर शून्य हो जाएगा। जानकारी को आत्मसात करने के लिए, मशीन को एक विशिष्ट जवाब, विशिष्ट कार्यों के साथ चरण-दर-चरण निर्देशों और भाषा की समझ की आवश्यकता होती है। तो हमारे उदाहरण में एक कप चाय के साथ, चाय के साथ कंटेनर के निर्देशांक पर जानकारी प्रदान करना आवश्यक होगा, कब्जा करने की विधि, वह स्थान जहाँ इसे ले जाने की आवश्यकता है, आदि, बेशक, जानबूझकर सरलीकृत किया जाता है - एक यादृच्छिक रूप से बदलते पर्यावरण के साथ वास्तविक जीवन में, जानकारी कई अतिरिक्त मल्टी-वेक्टर मापदंडों और तरीकों से घिरी हुई है। उद्घाटन।और यहां एक निश्चित समस्या देखी जा रही है: प्रशिक्षण रोबोट प्रणालियों के लिए कई मौजूदा तरीकों की बारीकियों ने इस तरह के प्रशिक्षण की प्रभावशीलता पर कुछ प्रतिबंध लगाए हैं।

रोबोट के उत्पादक प्रशिक्षण के लिए सामान्य एल्गोरिदम और सूचना स्रोतों को बनाने के तरीकों की खोज विशेष ज्ञान प्राप्त करने और आवश्यक अनुभव प्राप्त करने के लिए नई दिशाओं और तरीकों को खोजने और विकसित करने के लिए एक शक्तिशाली प्रोत्साहन बन जाती है। आज हम दो होनहार क्षेत्रों को छूते हैं, जिन पर काम करते हुए शोधकर्ता पहले से ही कुछ सकारात्मक परिणाम प्राप्त करने में सफल रहे हैं।

YouTube रोबोट प्रशिक्षण

इसलिए, जैसा कि हमें पता चला है, जो चीजें हमारे लिए सरल और स्वाभाविक लगती हैं (सबसे सरल आंदोलनों, प्रसंस्करण सब्जियां, एक वैक्यूम क्लीनर के साथ काम करना, परिचित व्यंजनों के अनुसार खाना पकाना, आदि) एक रोबोट के लिए विशेष प्रशिक्षण नहीं आया है जो अभी भी एक दिवालिया समस्या है। तथ्य यह है कि वर्तमान चरण में, रोबोट, मनुष्यों के विपरीत, अभी भी नहीं जानते हैं कि अनुभवजन्य रूप से कैसे सीखें, स्वतंत्र रूप से दुनिया का पता लगाएं और कुछ गुणों के साथ आसपास की वस्तुओं को सहसंबंधित करें। इस प्रकार, आज, रोबोटिक्स के विकास के भोर में, रोबोट को अब तक प्रत्येक प्राथमिक आंदोलन को व्यक्तिगत रूप से सिखाने की आवश्यकता है - रेफ्रिजरेटर कैसे खोलें, कंटेनर कैसे ले जाएं, इसे कैसे खोलें, सामग्री कैसे निकालें।

अंतर्ज्ञान और किसी भी तरह की साहचर्य सोच कौशल के रूप में इस तरह के एक मूल्यवान मानव गुणवत्ता की कमी और इस संबंध में प्रशिक्षण रोबोट की लंबी प्रक्रिया ने विशेषज्ञों को वैकल्पिक तरीकों की तलाश और विकसित करने के लिए मजबूर किया। इंस्टीट्यूट ऑफ एडवांस्ड कंप्यूटर टेक्नोलॉजीज (मैरीलैंड, यूएसए) के विशेषज्ञों ने प्रशिक्षण की गुणवत्ता में तेजी लाने और सुधार करने के लिए YouTube वीडियो का उपयोग करते हुए इस सवाल का जवाब दिया।

इस मामले में सीखने की प्रक्रिया की प्रभावशीलता में वृद्धि को सूचना पहचान के दो चैनलों के एक साथ उपयोग के कारण मनाया जाता है - प्रशिक्षण वीडियो में एक व्यक्ति द्वारा किए गए कार्यों की कृत्रिम बुद्धि द्वारा मान्यता और भाषा की पार्सिंग के माध्यम से भाषण की जानकारी की पहचान। सीखने की प्रक्रिया किसी भी समय विशिष्ट शब्दों और वाक्यांशों और उनके अनुरूप अर्थों और कार्यों को मॉनिटर स्क्रीन पर प्रदर्शन करने की अनुमति देती है।

प्रयोग के प्रतिभागियों के अनुसार, "टू-चैनल" प्रशिक्षण पद्धति का उपयोग पहले से ही आज हमें 77% के स्तर पर सामग्री के संस्मरण की डिग्री के साथ 77% के स्तर पर निर्धारित कार्यों को पूरा करने में सटीकता के स्तर का प्रदर्शन करने की अनुमति देता है। इसी समय, मॉड्यूल 93% की सटीकता के साथ वस्तुओं को पहचानता है और भविष्य में उच्च सटीकता के साथ अधिक जटिल मौखिक आदेशों की पहचान करने में सक्षम होगा।

मेघ विद्या

रोबोटिक्स उन समस्याओं से परिचित हैं जो उनके यांत्रिक वार्डों का अनुभव करते हैं जब विभिन्न आकृतियों, भार और आकारों की वस्तुओं पर कब्जा करने के लिए एल्गोरिदम का अभ्यास करते हैं। रोबोट उन मामलों में भी स्पष्ट समस्याओं का अनुभव करते हैं जब उनके इच्छित उद्देश्य के लिए उनके लिए अपरिचित वस्तुओं को चुनना या उनका उपयोग करना आवश्यक होता है। और यहां, क्लाउड प्रौद्योगिकियां अपरिहार्य हैं। ब्राउन यूनिवर्सिटी, यूएसए के विशेषज्ञों की एक टीम, स्टेफनी टेललेक्स (स्टेफनी टेललेक्स) के नेतृत्व में, सहयोगी बैक्सटर रोबोट को सिखाने के लिए एक प्रयोग करती है कि वस्तुओं को कैसे कैप्चर किया जाए और उसी मॉडल के साथी रोबोट को अपना अनुभव हस्तांतरित किया जाए।

एक रोबोट जो पहली बार एक वस्तु का सामना करता है, वह अवरक्त सेंसर के साथ अंतिम स्कैन करता है, जो इसे ऑब्जेक्ट के आकार की पहचान करने की अनुमति देता है। और अगला कदम उस दृष्टिकोण को चुनना है जो इस आकार की एक वस्तु को उठाते समय इष्टतम होगा। ऐसा एल्गोरिथ्म ज्यादातर मामलों में काम करता है और मानक प्रोटोकॉल द्वारा किए गए कैप्चर प्रयासों की तुलना में 75% अधिक सफल होता है। लेकिन यह केवल पहला कदम है। अगले चरण में, प्राप्त किए गए सकारात्मक अनुभव को क्लाउड पर अपलोड किया गया है, जो अनिवार्य रूप से इससे जुड़े सभी रोबोटों के लिए पहले से ही अध्ययन की गई वस्तुओं का एक डेटाबेस है और उपरोक्त विकिपीडिया के एक प्रकार का एनालॉग है।

आज, दुनिया भर की प्रयोगशालाओं में लगभग 300 बैक्सटर रोबोट काम करते हैं। विशेषज्ञों का अनुमान है कि यदि वे सभी साझा क्लाउड डेटाबेस को फिर से भरने में भाग लेते हैं, तो प्रत्येक 11 दिनों में, जब रोबोट समुदाय पूरी तरह से भरा हुआ था, तो पुस्तकालय को अध्ययन के तहत एक मिलियन वस्तुओं की जानकारी के साथ पूरक किया जा सकता है। इस तथ्य के कारण कि आधार प्लेटफ़ॉर्म को अंतिम रूप दिया जा सकता है, भविष्य में इस तरह का दृष्टिकोण पूरे समुदाय के विकास के लिए एक शक्तिशाली प्रोत्साहन होगा। इसलिए, उदाहरण के लिए, अपेक्षाकृत हाल ही में बैक्सटर ने एक "नरम पकड़" प्राप्त की, जिससे यह अपनी अखंडता से समझौता किए बिना कई वस्तुओं को उठा सकता है।



उन्हें गिराने और उन्हें नुकसान पहुंचाने के जोखिम के बिना विभिन्न प्रकार की वस्तुओं को उठाने की संभावना हमें भविष्य में ऐसे रोबोटों के आवेदन के नए क्षेत्रों में न केवल विधानसभा लाइनों पर, बल्कि विभिन्न प्रकार के गोदाम परिसरों के बुनियादी ढांचे में भी विचार करने की अनुमति देगी। और यह केवल शुरुआत है, और भविष्य में, सामूहिक स्व-प्रशिक्षण के अवसर जो कि रोबोपेडिया क्लाउड वातावरण (अवधि। लेखक) संभावना के उच्च स्तर के साथ प्रकट करेंगे, का उपयोग रोबोटिक्स के लगभग किसी भी क्षेत्र में किया जा सकता है, दवा से लेकर सर्विसिंग और फायरिंग तक ।

क्लाउड सीखने की अवधारणा की क्षमता को खोलने के लिए सकारात्मक उदाहरण आज पहले से ही हमें इस तरह के दृष्टिकोण के भविष्य में आशावादी रूप से देखने की अनुमति देते हैं। इस तरह के उदाहरणों में फोटो लाइब्रेरी की मान्यता सिखाने के सबसे सरल तरीके हैं जो वस्तुओं और एल्गोरिदम के संपूर्ण सेटों की पहचान करने में मदद करते हैं जो आपको एक उच्च क्रम के व्यक्तिगत कौशल को स्थानांतरित करने की अनुमति देते हैं। और ब्राउन विश्वविद्यालय, स्टैनफोर्ड और कॉर्नेल विश्वविद्यालय के विशेषज्ञ सक्रिय रूप से एक बुद्धिमान क्लाउड-आधारित सीखने का वातावरण बनाने के लिए काम कर रहे हैं। शोध के वर्तमान चरण में, रोबोट प्रणाली आपको सामान्य जानकारी क्लाउड में प्रतीकों, वाक्यविन्यास तत्वों, आकृतियों, स्पर्श गुणों, मोटर कौशल के बारे में जानकारी को सहेजने और संचारित करने की अनुमति देती है।

क्लाउड रोबोपेडिया सीखने का दृष्टिकोण अपेक्षाकृत हाल ही में है। हाल तक तक, अधिकांश शोधकर्ताओं ने सीखने की प्रक्रिया को अलग-थलग माना। प्रशिक्षण की अवधारणा के संशोधन से विशेषज्ञों को रोबोट एल्गोरिदम में सुधार करने पर ध्यान केंद्रित करने की अनुमति मिलेगी, जबकि इस समय क्षेत्र में संचित ज्ञान के पूर्ण और वर्तमान पुस्तकालय तक मुफ्त पहुंच हो सकती है।

---

प्रिय पाठकों, हम हमेशा हमारे ब्लॉग के पन्नों पर आपसे मिलने और इंतजार करने के लिए खुश हैं। हम आपके साथ नवीनतम समाचार, समीक्षा सामग्री और अन्य प्रकाशनों को साझा करना जारी रखने के लिए तैयार हैं, और हमारे साथ बिताए समय को आपके लिए उपयोगी बनाने के लिए अपनी पूरी कोशिश करेंगे। और, निश्चित रूप से, हमारे कॉलम की सदस्यता लेना न भूलें ।
हमारे अन्य लेख और घटनाएँ

• गेटोर केयरफ वाच। अपने बच्चे की देखभाल करना
• किचनएड स्प्रिंग डिस्काउंट
• उपयोगी गैजेट्स और दिलचस्प टुकड़ों की बिक्री
• लॉजिटेक रंग-बैकलिट मैकेनिकल गेमिंग कीबोर्ड का विस्तार करता है
• आज स्मार्ट घड़ियों का चयन। क्या बदल गया है?
• परिवार के पिता के लिए एकदम सही गैजेट बैकपैक
• एक मामले के रूप में, मेरा iPhone नहीं बचा। सही चुनें

Source: https://habr.com/ru/post/hi391649/