آیا ایجاد حس رقابت در ربات ها باعث هوشمندتر شدن آنها می شود؟ [تماشا کنید]

اگر با یک خواهر یا برادر نزدیک به سن خود بزرگ شده باشید، قاعدتاً می دانید که گاهی ناچار می شدید از موضع قدرت محدوده مالکیت خود روی اسباب بازی ها را به او یادآور شوید. حال به نظر می رسد همین قاعده در دنیای ربات ها نیز اعتبار دارد.

گروهی متشکل از مهندسین شرکت گوگل و محققین «دانشگاه کارنگی ملون» (Carnegie Mellon) آمریکا مدعی هستند که ربات ها اشیایی را که ربات دیگر تلاش کند از چنگ آنها بیرون بیاورد را با قدرت و شدت بیشتری در بازوی رباتیک خود نگه می دارند.

ثابت شده که حس رقابت و تجربه شکست روند یادگیری ربات ها را تسریع می بخشد

در این تحقیق به رباتی فرمان داده می شود که اشیایی را از روی میز بردارد و در همان زمان ربات دیگری به عنوان رقیب همان فرمان را دریافت می کند. اگر جسمی به خوبی در بازوی ربات اول قرار نگرفته باشد، ربات دومی می تواند آن را از چنگ حریفش خارج کند.

این گروه از دانشمندان به صورت عملی اثبات کرده اند که ربات اول به مرور یاد می گیرد که اجسام را با دقت و قدرت بیشتری از روی میز بردارد. ضمن این که روند یادگیری نسبت به زمانی که به تنها تمرین می کرد بسیار سریع تر است.

یکی از اساتید دانشگاه و عضو گروه تحقیقاتی در این باره می گوید:

«شما به طور ایدآل انتظار دارید که یک ربات بتواند آموخته های خود در یک شرایط را در یک شرایطی کاملاً جدید نیز به کار گیرد و یا حتی قادر به دست زدن به برخی ریسک ها باشد.ما نوعی فرمول تهاجمی برای یادگیری ربات های خود طراحی کرده ایم تا بتوانند در شرایط رقابتی عمل کنند. ما باور داریم که چنین فرمولی می تواند عملکرد ربات ها در محیط های کاملاً جدید و ناشناخته را بهبود بخشد.»

آنها برای دستیابی به این فرمول علاوه بر استفاده از تکنولوژی یادگیری عمیق ماشین، نگاهی نیز به ایده ریاضی «نظریه بازی ها» داشته اند. این نظریه قصد دارد مدل های ریاضی فهم پذیری را از ساز و کار رقابت میان موجودات هوشمند ارائه دهد.

بر همین اساس، از دست دادن یک جسم توسط یک ربات، شکستی را در حافظه آن به ثبت می رساند. شکستی که تجربه ای از یادگیری را برای بازنده رقم خواهد زد. به مرور زمان این تجربیات می تواند روند یادگیری را در هر دو رقیب تسریع ببخشد.