Forskare som arbetar med swarmrobotar säger att det nu är möjligt för maskiner att lära sig hur naturliga eller konstgjorda system fungerar genom att observera dem - utan att få veta vad man ska leta efter.

Detta kan leda till framsteg i hur maskiner utleder kunskap och använder det för att upptäcka beteenden och abnormiteter.

"Till skillnad från i det ursprungliga Turing-testet är våra frågeställningar inte mänskliga utan snarare datorprogram som lär sig själva."

Tekniken kan förbättra säkerhetsapplikationer, som ljudupptäckning eller identitetsverifiering, och göra dataspel mer realistiskt.

Det betyder också att maskiner kan förutse bland annat hur människor och andra levande saker uppträder.

Turing-testet

Upptäckten, publicerad i tidningen Swarm Intelligence, tar inspiration från arbetet med banbrytande datavetenskapare Alan Turing, som föreslog ett test, som en maskin skulle kunna klara om den uppträdde oskiljaktigt från en människa. I detta test utbyter en förfrågare meddelanden med två spelare i ett annat rum: en människa, den andra en maskin.

Utfrågaren måste ta reda på vilken av de två spelarna som är mänsklig. Om de konsekvent misslyckas med att göra det, vilket innebär att de inte lyckas mer än om de hade valt en spelare slumpmässigt, har maskinen passerat testet och anses ha intelligens på mänsklig nivå.

"Vår studie använder Turing-testet för att avslöja hur ett givet system - inte nödvändigtvis en mänsklig verk. I vårt fall satte vi en robotrobot under övervakning och ville ta reda på vilka regler som orsakade deras rörelser ", förklarar Roderich Gross från den automatiska kontrollen och systemteknikavdelningen vid Sheffields universitet.

"För att göra så lägger vi en ny svärmmade av att lära robotar - under övervakning också. Alla robotars rörelser registrerades, och rörelsesdata visade sig till förhörare, "tillägger han.

"Till skillnad från i det ursprungliga Turing-testet är våra frågeställare inte mänskliga utan snarare datorprogram som lär sig själva. Deras uppgift är att skilja mellan robotar från antingen svärm. De belönas för att kategorisera rörelsedata från den ursprungliga svärmen som äkta, och de från den andra svärmen är förfalskade. Inlärningsrobotarna som lyckas med att lura en förhörsskapare som tror att deras rörelsesdata var äkta, fick en belöning. "

Gross säger att fördelen med tillvägagångssättet, kallat "Turing Learning", är att människor inte längre behöver berätta för maskiner vad man ska leta efter.

Robot målar som Picasso

Tänk dig att du vill att en robot ska måla som Picasso. Konventionella maskininlärningsalgoritmer skulle rangordna robotens målningar för hur nära de liknade Picasso. Men någon skulle behöva berätta för algoritmerna vad som anses likna en Picasso till att börja med.

Turing Learning kräver inte sådan förkunskaper. Det skulle helt enkelt belöna roboten om det målade något som ansågs äkta av förhörarna. Turing Learning lär samtidigt hur man förhör och hur man målar.

Gross säger att han tror att Turing Learning kan leda till framsteg inom vetenskap och teknik.

"Forskare kan använda den för att upptäcka reglerna för naturliga eller konstgjorda system, särskilt där beteendet inte lätt kan präglas med likhetsvärden", säger han.

"Datorspel kan till exempel vinna i realism eftersom virtuella spelare kan observera och ta på sig karaktäristiska drag hos sina mänskliga motsvarigheter. De skulle inte bara kopiera det observerade beteendet, utan avslöja snarare vad som gör mänskliga spelare distinkt från resten. "

Hittills har Gross och hans team testat Turing Learning i robotsvärmar, men nästa steg är att avslöja vissa djurkollektivers verksamhet, som fiskskolor eller kolonier av bin. Detta kan leda till en bättre förståelse för vilka faktorer som påverkar beteendet hos dessa djur, och så småningom informera politik för deras skydd.

Källa: University of Sheffield

relaterade böcker

at

Tack för besöket InnerSelf.com, där det finns 20,000+ livsförändrande artiklar som främjar "Nya attityder och nya möjligheter." Alla artiklar är översatta till 30+ språk. Prenumerera till InnerSelf Magazine, som publiceras varje vecka, och Marie T Russells Daily Inspiration. InnerSelf Magazine har publicerats sedan 1985.