Vi har redan sagt att artificiell intelligens förändrar vårt sätt att interagera med vår miljö. I detta avseende har Deepak Pathak, från University of California i Berkeley, velat gå utöver de nuvarande algoritmerna för artificiell intelligens genom att skapa en algoritm baserad på vad som kallas förstärkningslärande, vilket har gett nyfikenhetsfunktioner, vilket innebär att algoritmen själv skulle försöka lära sig själv, och därför påskynda inlärningen av färdigheter.
Detta tillvägagångssätt kommer att påskynda inlärningstiderna och förbättra effektiviteten hos algoritmer, enligt Max Jaderberg, från DeepMind, från Google, som redan hade använt en artificiell intelligensalgoritm med en liknande metod så att den kan utforska en virtuell labyrint.Enligt New Scientist kunde denna algoritm lära sig snabbare i förhållande till konventionella artificiell intelligensalgoritmer, som bara söker belöningar efter mål.
När det gäller Pathak-algoritmen, utvecklad för att genomföra sin egen studie, har han kunnat lära sig att utforska miljöer, undvika brunnar, undvika fiender eller till och med döda dem i spelet Super Mario Bros. Han har också tagit vad han har lärt sig till andra nivåer i detta spel.
Det ja, han kunde inte slutföra nivå 1 i det här spelet och stanna bara 30% eftersom han inte kunde hitta ett sätt att undvika en serie diken, så algoritmen bestämde sig för att stanna vid den punkten istället för att riskera sitt liv i spelet.
Nu är idén att ta detta tillvägagångssätt till robotarmar eller till och med till inhemska robotar som dammsugare.
