یادگرفتن از سگ‌ها برای توسعه هوش مصنوعی
کیانا احسانی، حسام باقری نژاد، روزبه متقی، علی فرهادی و جوزف ردمون این تحقیق را در دانشگاه Cornell ثبت کرده‌اند آنها در توضیح تحقیقاتشان نوشته‌اند: « ما یک عامل بصری هوشمند را مدل کرده‌ایم. دید کامپیوتری به‌طور عمومی روی حل مشکلات ریز مربوط به هوش بصری تمرکز دارد ما از این رویکرد استاندارد به دید کامپیوتری رد شده‌ایم و در عوض یک عامل بصری هوشمند را مدل کرده‌ایم. مدل ما اطلاعات بصری را به عنوان ورودی می‌گیرد و به‌طور مستقیم عملکردهای عامل را پیش‌بینی می‌کند.» کیانا احسانی که این تیم تحقیقاتی را هدایت کرده به سایت The Verge گفته برای اینکه هوش مصنوعی بتواند شبیه یک سگ فکر کند نیاز به دیتا داشتیم به همین منظور با استفاده از یک دوربین GoPro متصل شده به یک سگ به نام Kelp بالغ بر ۳۸۰ فیلم کوتاه تهیه شد. همچنین سنسورهایی هم به پا و بدن این سگ متصل بود. فیلم‌ها از راه رفتن عادی، بازی کردن و حرکات او در پارک و خیابان تهیه و مورد تجزیه و تحلیل قرار گرفت. با کمک این داده‌ها محققان رفتار Kelp را با استفاده از داده‌کاوی عمیق (Deep Learning) مورد بررسی قرار دادند.
کیانا احسانی که دانشجوی دکترای دانشگاه واشنگتن است می‌گوید: قدرت پیش‌بینی سیستم آنها در فواصل کوتاه بسیار دقیق است با این حال زندگی به راحتی قابل پیش‌بینی نیست مثلا اگر شما پله‌ای را در تصویر نمای سگ ببینید می‌گویید از پله‌ها بالا می‌رود اما از کجا معلوم که سگ همان موقع یک اسباب بازی یا یک شیء دیگری را نبیند که بخواهد به سمت آن برود. کسی نمی‌داند. کیانا احسانی می‌گوید یکی از دلایلی که سگ را برای موضوع تحقیق انتخاب کردیم این است که آنها برای قدم زدن بسیار مناسبند برای پیدا کردن چیزی در هنگام راه رفتن و اینکه کجا اجازه دارند بروند و کجا نه. به گفته این محقق این موضوع برای کامپیوتر بسیار پیچیده است چون نیاز به پیش دانش بسیاری دارد. در نهایت تحقیقات این تیم می‌تواند به قدرت بیشتر هوش مصنوعی و توسعه روباتیک کمک کند. هرچند این تحقیق فعلا یک بخش بسیار کوچک از چیزی است که ممکن است در آینده برای توسعه هوش مصنوعی از حیوانات آموخته شود.
ارسال نظر