Blueprints pour les robots d'apprentissage machine
Création de ces données à la main est très douloureuse et prend beaucoup de temps et d'efforts, certains de ces ensembles de données nécessaires près de 10 ans pour construire.
Plus important encore, il est pas comment les organismes vivants apprennent, que les êtres humains seuls les. Nous ne sommes pas nourris d'images et puis quelque chose crie le nom de ce qui est dans l'image pour des millions d'images. Nous apprenons d'interagir avec notre environnement. Plus nous construisons nos modèles d'apprentissage de la machine à apprendre comme les humains apprennent, plus de progrès nous allons faire à la construction d'ordinateurs intelligents. Nous devons former des ordinateurs dans un environnement non supervisé où l'ordinateur peut apprendre et d'interagir avec son environnement.
si vous vouliez former un ordinateur avec des images aujourd'hui, il y a quelques ensembles de données déjà sur Internet tels que l'image nette, MNIST. et MSCOCO. entre autres.
Le problème avec des ensembles de formation d'images statiques est qu'ils ne contiennent que de petits instantanés de la vie: une image de chevaux, une maison, une plage, etc. Mais la vie comprend toutes sortes d'autres concepts qui ne peuvent être saisis dans les images. Nous devons former des ordinateurs pour comprendre les concepts comme « renverser un verre », « hélicoptère » atterrissages «pataugeoire doggy », « retour d'un livre », « tourner en rond », « tir un ballon de basket », etc. Ces tous exigent le mouvement de comprendre ce qui se passe. Les images ne saisissent pas la « pleine fidélité » de ces situations, ils sont des instantanés 2d. mais nous naviguons le monde dans des dimensions supérieures. Nous avons besoin d'un autre système pour capturer des données qui a une plus grande fidélité.
Et si au lieu nous avons construit petits robots avec des caméras qui vous suivent autour et analysent en permanence toutes les données vidéo qu'ils reçoivent. Ils pourraient vous suivre partout dans votre vie de tous les jours. Ils seraient programmés avec une disposition à apprendre, ce qui signifie si elle a vu des choses dans son environnement qu'il ne reconnaissait pas, il voudrait en savoir plus sur ces nouveaux objets et concepts. Toutes les données de formation proviendrait de réelles interactions en direct qu'ils ont eu lieu des images statiques juste que d'autres personnes marquées.
Si vous avez un réseau de ces robots, toutes les données peuvent être collectées à un serveur central pour apprendre encore plus vite.
L'algorithme d'apprentissage devrait être une sorte d'algorithme d'apprentissage en temps réel en ligne qui a permis au robot de traiter les données en temps réel. Les algorithmes actuels qui pourraient être utilisés pour la base de ce système serait probablement constitué d'algorithmes d'apprentissage de renforcement tels que Q-apprentissage.
Le système aurait besoin d'un système de reconnaissance vocale préconstruits et formé afin qu'il puisse ingérer tous les mots dit si taht il pourrait l'associer à la vidéo qu'il voit. Le système de reconnaissance vocale améliorerait au fil du temps avec les données plus qu'il collecte. Le système apprendrait commandes audio que vous lui dites pour lui dire de se concentrer sur certains concepts à apprendre.