搜尋

會員登入

搜尋

導覽

會員
廣告
廣告

DeepMind嘗試讓機器人自行探索 SAC-X主動學習機制

瀏覽次數:3460

許多科幻電影的主題,總喜歡圍繞在機器人與人工智慧之間,而人工智慧最終極的演進,就是他可以自己改良自己,擁有近似於人類的思考能力, AlphoGo 的創始人、Google 旗下知名 AI 研究機構 DeepMind 正打算朝這方面進展,教會機器如何自己完成事情。

人工智慧透過機器學習以及大數據輔助的方式,在圖像辨識、語音辨識、雲端運算皆有相當可觀的進展,然而它們在自行探索上,並不擅長,因此為了解決這個問題,DeepMind 為 AI 機器人建立了一個全新的機制稱之為「預定輔助控制」(Scheduled Auxiliary Control,SAC-X),他們為機器人提供一個簡單的目標,並在完成時獲得獎勵。

SAC-X 定義的輔助任務總遵循一個原則,就是「鼓勵機器人探索感測器空間」,研究團隊並不會告訴機器人如何完成任務,他們只會開啟機器配置的感測器,剩餘的便留給機器去摸索,一直到它把事情正確完成為止。

在測試環境中,機器手臂並沒有依靠特定程式完成作業,而是由機器手臂自行作業,試圖完成人類所給予的要求,並得到獎勵。

目前台灣的機器人公司僅有少數,如ASUS的Zenbo機器人,但它僅能做特定程序的互動,以及結合視覺、語音辨識技術,並在一個類似平板的介面與人類互動,以此看來,人工智慧技術仍有待時間醞釀完成。

參考資料:TNW

稀土棋局下的台灣解方:從供應鏈韌性看關鍵礦物合作新契機
特別企劃半導體

稀土棋局下的台灣解方:從供應鏈韌性看關鍵礦物合作新契機

稀土與關鍵礦物已成全球科技競爭與經濟安全的重要戰略資源。面對供應鏈高度集中與地緣風險升高,台灣如何透過國際合作、技術替代、戰略儲備與城市採礦,建立自主且具韌性的關鍵礦物供應體系?

稀土與關鍵礦物已成全球科技競爭與經濟安全的重要戰略資源。面對供應鏈高度集中與地緣風險升高,台灣如何透過國際合作、技術替代、戰略儲備與城市採礦,建立自主且具韌性的關鍵礦物供應體系?