你好,游客 登录
背景:
阅读新闻

图灵学习:首个只需要“看”就能学习的系统

[日期:2016-12-19] 来源:新智元  作者: [字体: ]

  【题目】图灵学习:无需度量推断机器人群行为的方法及其应用(Turing learning: a metric-free approach to inferring behavior and its application to swarms)

  【作者】Wei Li, Melvin Gauci, Roderich Groß

  摘要

  我们提出图灵学习系统,一种推测自然或人工系统行为的新的系统识别方式。图灵学习过程同时优化两个计算机项目群,一组代表受调查的系统的行为模式,另一个代表分类器。通过观察系统的行为和模型生成的结果,计算机能够得到两组数据。分类器的目标是找出这两组数据集的不同,然后将自然的和后期生成的分别归到不同类型里。

  

 

  现在,计算机能自己从理解数据并找出规律。图为谷歌训练自动识别人脸的算法。

  研究人员介绍,使用所谓的“图灵学习”系统,让人工智能观看一个机器人群的简单行动后,找出这群机器人行动遵守的准则,其方法并非找出表明机器人群某个行为特征的指示器,而是通过简单的模仿:计算机不断模仿机器人群的行为,一次比一次精准,最终在模仿的过程中,学会了机器人群的行为模式。研究人员认为,图灵学习系统十分简单,有望模仿人和其他动物的行为,被用于从生化分析到个人安保等各种场景。

  与其他系统识别方法不同之处在于,图灵学习系统不需要预先设置度量(metric),定量表示系统和模型之间的区别。作者在论文中描述了两个案例,表明模拟机器人群的行为规律不能通过基于度量的系统推断得出。相比之下,图灵学习以极高的准确率对机器人群的行为作出了预测。不仅如此,图灵学习还产生了一个有用的副产物——分类器——可以用于检测机器人群的异常行动。

  结果表明,针对个体进行运动跟踪,能够直接推理机器人群的集体行动。当使用度量很难对机器人群行动进行特征分类时,图灵学习就尤其有用,因此该系统可以被用于一系列广泛的任务。

  研究中,一个机器人群被称为“代理”,根据简单的规则运动,这一规则我们并不知道。同时,另一个机器人群,也叫做“模型”,一开始进行随机、无意义的行为。然后,“分类器”算法比较这两个机器人群。

  算法并不知道哪个是代理,哪个是模型。因此,最开始完全靠猜测。不过,一旦算法猜对了,就会获得某种奖励(每当模型成功骗过分类器时,模型也会得到奖励)。从原理上说,即使从随机状态开始,分类器也能够很快区分出不相关的部分,然后聚焦对结果准确率真正有影响的因素。

  图灵学习系统的功能基本上与神经网络相同。不过,由于需要的人类干预少,因此被带入人类偏见的可能性也偏低。这一点是图灵学习系统的优势所在。

  编译来源:http://www.extremetech.com/extreme/234669-turing-learning-breakthrough-computers-can-now-learn-from-pure-observation

 

 

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款