👨‍⚕️ 🙏🏾 👩🏾‍⚖️ Google "किंडरगार्टन" में नए कार्य करने के लिए रोबोट को सिखाता है 🔆 🧘🏿 🚒

बालवाड़ी में, रोबोट दरवाजे खोलना सीखते हैं।

सीखने की क्षमता रोबोटों के लिए सबसे महत्वपूर्ण है। यदि वे सीखना शुरू करते हैं, तो उन्हें समय के साथ आवश्यक जानकारी जमा करना, फिर उनका उपयोग उन जटिल कार्यों को करने के लिए किया जा सकता है जो पूर्व-प्रोग्राम नहीं थे। कार्य बहुत भिन्न हो सकते हैं - अस्पतालों में बुजुर्गों और रोगियों की देखभाल से लेकर परिसर की सफाई तक। सच है, अगर आपको प्रत्येक रोबोट को व्यक्तिगत रूप से प्रशिक्षित करना है, तो इसमें बहुत अधिक समय लगेगा। लेकिन अगर रोबोट रोबोट सिखाते हैं तो क्या होगा? और क्या होगा अगर रोबोट के समूह एक साथ सीखना शुरू कर दें?

यह समस्या नए से दूर है, इसे विज्ञान कथा लेखकों द्वारा एक से अधिक बार वर्णित किया गया है। रोबोटिक्स और आर्टिफिशियल इंटेलिजेंस के विशेषज्ञ भी इस मुद्दे को सुलझाने की कोशिश कर रहे हैं। दूसरों की तुलना में अधिक Googleवह रोबोट से सीखने में रुचि रखती है। संभवतः जो आप चाहते हैं उसे प्राप्त करने के सबसे आसान तरीकों में से एक रोबोट का एक सामान्य ज्ञान डेटाबेस बनाना है, जहां प्रत्येक मशीन द्वारा एकत्र की गई जानकारी एकत्र की जाएगी।

सभी रोबोट इस आधार से जुड़े होने चाहिए। यदि एक रोबोट कुछ सीखता है, तो बाकी सभी को तुरंत ज्ञान और अनुभव प्राप्त होता है। Google कर्मचारियों ने व्यवहार में इस विचार (नए भी नहीं) का परीक्षण किया, और अच्छे परिणाम मिले। विशेष रूप से, किसी एक रोबोट द्वारा की गई हरकतें तुरंत उसके "सहयोगियों" की संपत्ति बन जाती हैं।

रोबोट बहुत अलग तरीकों से एक ही क्रिया कर सकते हैं। कभी-कभी यह बेहतर होता है, कभी-कभी बदतर होता है। इन क्रियाओं के बारे में कोई भी जानकारी सर्वर पर कैप्चर की जाती है और इसे सर्वर पर भेज दिया जाता है, जहां इसे एक तंत्रिका नेटवर्क का उपयोग करके संसाधित किया जाता है। संज्ञानात्मक प्रणाली प्रत्येक मशीन के कार्यों का मूल्यांकन करती है, और केवल सकारात्मक अनुभव के बारे में जानकारी का चयन करती है, एक कार्य को पूरा करने के असफल प्रयासों पर डेटा को छोड़ देती है। रोबोट एक निश्चित आवृत्ति के साथ एक तंत्रिका नेटवर्क द्वारा संसाधित डेटा लोड करते हैं। और प्रत्येक नए डाउनलोड के साथ, वे अधिक प्रभावी होते जा रहे हैं। नीचे दिए गए वीडियो में, रोबोट एक दरवाजा खोलने की प्रक्रिया का अध्ययन करता है।

कई घंटों के प्रशिक्षण के बाद, मशीन अपने कार्यों के बारे में जानकारी एक सामान्य नेटवर्क तक पहुंचाती है। एक दरवाजा खोलने में महारत हासिल करने की प्रक्रिया में, रोबोट इस प्रक्रिया के विवरणों का अध्ययन करते हैं, धीरे-धीरे "समझ" करते हैं कि दरवाज़े के हैंडल की भूमिका क्या है और दरवाजे को जल्दी से जल्दी खोलने के लिए क्या करने की आवश्यकता है।

परीक्षण और त्रुटि सीखने की प्रक्रिया अच्छी है, लेकिन सही नहीं है। लोगों और जानवरों, उदाहरण के लिए, पर्यावरण के तत्वों का विश्लेषण भी कर सकते हैं, उनके कार्यों पर उनके संभावित प्रभाव का मूल्यांकन कर सकते हैं। जैसे-जैसे लोग और जानवर बड़े होते हैं, दुनिया की एक निश्चित तस्वीर बनती है। यह स्पष्ट है कि मनुष्यों में यह ज्यादातर जानवरों की तुलना में बहुत अधिक जटिल है, लेकिन दोनों मामलों में समान तत्व हैं।

इसलिए, Google इंजीनियरों ने रोबोटों को दिखाने का फैसला किया कि भौतिकी के नियम उनके कार्यों को कैसे प्रभावित करते हैं। एक प्रयोग में, रोबोट को विभिन्न वस्तुओं का किसी भी घर या कार्यालय में आम अध्ययन करने का निर्देश दिया गया था। ये पेंसिल, पेन, किताबें और अन्य सामान हैं। रोबोट ने जल्दी से सीखा और अपने "सहयोगियों" को जानकारी दी। कम समय में रोबोट की पूरी टीम को अपने कार्यों के परिणामों की अवधारणा प्राप्त हुई।

एक नए प्रयोग में, इंजीनियरों ने रोबोट को दिए गए बिंदु पर एक विशिष्ट वस्तु को स्थानांतरित करने का निर्देश दिया। हालाँकि, सिस्टम को ऑब्जेक्ट की प्रकृति के बारे में कोई निर्देश नहीं मिला। वस्तुएं लगातार बदल रही हैं। यह पानी की बोतल, बीयर की कैन, पेन या किताब हो सकती है। जैसा कि यह निकला, रोबोट ने वास्तविक दुनिया के साथ बातचीत के पिछले अनुभव के डेटा का उपयोग करके इस कार्य को पूरा किया। वे सतह पर वस्तु को वांछित बिंदु पर ले जाने के परिणामों की गणना करने में सक्षम थे।

लेकिन आदमी का क्या?

पिछले दो प्रयोग केवल मानव की सहायता के बिना, रोबोट की भागीदारी के साथ किए गए थे। Google के अनुसार, यदि कोई व्यक्ति मशीन की मदद करता है, तो रोबोट सिस्टम का प्रशिक्षण बहुत तेजी से हो सकता है। आखिरकार, एक व्यक्ति जल्दी से गणना कर सकता है कि कुछ कार्यों के प्रदर्शन के परिणामस्वरूप क्या होगा। उदाहरण के लिए, एक प्रयोग में, एक व्यक्ति ने विभिन्न रोबोटों को विभिन्न प्रकार के दरवाजे खोलने में मदद की। प्रत्येक प्रणाली को एक अद्वितीय दरवाजा और ताला मिला।

नतीजतन, सभी रोबोटों के लिए एक संयुक्त रणनीति विकसित की गई, जिसे "राजनीति" कहा गया। रोबोट के सभी कार्यों को एक गहरे तंत्रिका नेटवर्क का उपयोग करके संसाधित किया गया था। उसने कैमरों से छवियों को संसाधित करते हुए रोबोट के कार्यों को रिकॉर्ड किया और नीति के रूप में पहले से ही संसाधित जानकारी को केंद्रीय सर्वर में स्थानांतरित कर दिया।

रोबोट ने परीक्षण और त्रुटि का उपयोग करके अपनी "नीतियों" में लगातार सुधार किया है। प्रत्येक रोबोट ने नवीनतम वर्तमान नीति का उपयोग करके दरवाजा खोलने की कोशिश की। रोबोट क्रियाओं को अभी भी तंत्रिका नेटवर्क द्वारा संसाधित किया गया था और सर्वर पर अपलोड किया गया था। समय के साथ, रोबोट पहली बार की तुलना में अधिक कुशलता से काम करना शुरू कर दिया।

रोबोट सफलतापूर्वक कार्य करना शुरू करने के बाद, रोबोट के साथ काम करने वाले प्रशिक्षकों में से प्रत्येक ने कुछ हद तक कार्य की स्थितियों को बदल दिया। परिवर्तन मजबूत थे (दरवाजे की स्थिति, उद्घाटन कोण, आदि), लेकिन पर्याप्त इतना है कि पहले से विकसित नीति एक नई समस्या को हल करने के लिए पूरी तरह से उपयुक्त नहीं थी। रोबोटों ने धीरे-धीरे खुद के लिए नई परिस्थितियों का सामना करना सीखा, और बाद में विभिन्न दरवाजे और ताले खोलने के सबसे कठिन कार्यों को करना सीखा। अंतिम प्रयोग ने इस प्रकार के प्रशिक्षण की प्रभावशीलता को दिखाया: रोबोट दरवाजे और लॉक को खोलने में सक्षम थे, जो उन्होंने अभी तक सामना नहीं किया है।

परियोजना के लेखकों का दावा है कि एक दूसरे के साथ रोबोटों की बातचीत और केंद्रीय डेटा वेयरहाउस ने उन्हें तेजी से और अधिक कुशलता से सीखने में मदद की। और तंत्रिका नेटवर्क के उपयोग ने प्रारंभिक परिणामों में महत्वपूर्ण सुधार किया।

दुर्भाग्य से, अब तक रोबोट द्वारा किए जा सकने वाले कार्यों की सूची बेहद सीमित है। उन्हें शायद ही सरल आंदोलनों और कार्यों को भी दिया जाता है, जैसे कि दरवाजे खोलना या विभिन्न वस्तुओं को उठाना। मनुष्य अभी भी रोबोट को यह बताने के लिए मजबूर है कि क्या करना है और कैसे कार्य करना है। लेकिन एल्गोरिदम धीरे-धीरे सुधार कर रहे हैं, और तंत्रिका नेटवर्क कुछ आश्चर्यचकित होना बंद हो गए हैं। इसलिए, आशा है कि निकट भविष्य में रोबोट अभी भी जटिल कार्य कर सकते हैं। शायद भविष्य यहां पहले से ही है।

Google "किंडरगार्टन" में नए कार्य करने के लिए रोबोट को सिखाता है

लेकिन आदमी का क्या?

More articles: