نوع خاصی از عوامل هوش مصنوعی می توانند در طول آموزش ، علت و معلول یک کار را بیاموزند.

شبکه های عصبی می توانند انواع مشکلات را حل کنند ، از شناسایی گربه ها در عکس ها گرفته تا هدایت یک ماشین خودران. اما اینکه آیا این الگوریتم های قدرتمند و تشخیص الگو واقعاً وظایفی را که انجام می دهند درک می کنند یا خیر ، یک سوال باز است.

اکنون محققان MIT نشان داده اند که نوع خاصی از شبکه های عصبی قادرند ساختار علت و معلولی واقعی کار ناوبری را که برای انجام آن آموزش دیده اند بیاموزند. از آنجا که این شبکه ها می توانند وظیفه را مستقیماً از طریق داده های بصری درک کنند ، هنگام حرکت در یک محیط پیچیده ، مانند مکانی با درختان متراکم یا تغییر سریع شرایط آب و هوایی ، باید از سایر شبکه های عصبی موثرتر باشند. در آینده ، این کار می تواند قابلیت اطمینان عوامل یادگیری ماشین را که در حال انجام کارهای پر مخاطره هستند ، مانند رانندگی با یک وسیله نقلیه خودران در یک بزرگراه شلوغ ، بهبود بخشد.

شبکه های عصبی روشی برای یادگیری ماشینی است که در آن رایانه یاد می گیرد که با تجزیه و تحلیل نمونه های آموزشی متعدد ، یک کار را از طریق آزمایش و خطا انجام دهد.  شبکه های عصبی معادلات اساسی خود را تغییر می دهند تا به طور مداوم با ورودی های جدید سازگار شوند.

محققان مشاهده کردند که NCP ها که وظیفه حفظ خط را بر عهده دارند هنگام تصمیم گیری در مورد رانندگی ، توجه خود را به افق و مرزهای جاده حفظ می کنند ، همانطور که انسان هنگام رانندگی با ماشین این کار را می کند. سایر شبکه های عصبی که آنها مطالعه کردند همیشه روی جاده تمرکز نمی کردند. آنها دریافتند که وقتی یک NCP برای تکمیل یک کار آموزش می بیند ، شبکه یاد می گیرد که با محیط تعامل داشته باشد و مداخلات را حساب کند.

در اصل ، شبکه تشخیص می دهد که خروجی آن با یک مداخله خاص تغییر می کند و سپس علت و معلول را با هم مرتبط می کند. در طول آموزش ، شبکه به جلو تولید می شود تا خروجی تولید کند و سپس به عقب برمی گردد تا خطاها را تصحیح کند. محققان مشاهده کردند که NCP ها علت و معلول را در حالت جلو و عقب ارتباط می دهند ، که به شبکه این امکان را می دهد تا توجه بسیار متمرکز بر ساختار علّی واقعی یک وظیفه داشته باشد.

آنها NCP ها را از طریق یک سری شبیه سازی ها آزمایش کردند که در آنها هواپیماهای بدون سرنشین خودکار وظایف ناوبری را انجام می دادند. هر پهپاد از ورودی های یک دوربین واحد برای حرکت استفاده می کرد.

در آینده ، محققان می خواهند استفاده از NCP ها را برای ساختن سیستم های بزرگتر بررسی کنند. کنار هم قرار دادن هزاران یا میلیون ها شبکه می تواند آنها را قادر سازد تا کارهای پیچیده تری را انجام دهند.

215000801.004