همکاری هوش مصنوعی و انسان برای آموزش سیستم‌های خودران
پژوهشگران دانشگاه “ام. آی. تی”(MIT) و شرکت “مایکروسافت” (Microsoft)، یک مدل هوش مصنوعی ابداع کرده‌اند که می‌تواند به ایمنی سیستم‌های مبتنی بر هوش مصنوعی مانند وسایل نقلیه بدون سرنشین و ربات‌های خودران کمک کند.
سیستم‌های هوش مصنوعی خودروهای بدون سرنشین، با کمک شبیه‌سازی‌های مجازی آموزش می‌بینند تا برای مقابله با هر نوع اتفاق غیرمنتظره‌ای آماده باشند اما گاهی اوقات مشکل پیش آمده در دنیای واقعی، با نوع آموزشی آن مطابقت ندارد؛ در نتیجه واکنش واقعی خودرو با واکنش آن در جهان مجازی تفاوت دارد و منجر به بروز حادثه می‌شود.
یک خودروی خودران را در نظر بگیرید که آموزش داده نشده و حسگرهای مورد نیاز برای تمایز قائل شدن میان حوادث متفاوت را نیز ندارد. این خودرو نمی‌تواند میان خودروهای بزرگ سفید و آمبولانس تمایزی پیدا کند؛ بنابراین اگر در جاده یا خیابان با یک آمبولانس روبرو شود، نمی‌تواند سرعت خود را کم کند و کنار برود.
پژوهشگران ام. ای. تی و مایکروسافت در مقاله‌های مشترک خود، توصیفی از یک مدل را ارائه دادند که در آن برای مشخص کردن نقاط کور، از ورودی انسانی استفاده می‌شود.
آنها با کمک روش‌های قدیمی، یک سیستم هوش مصنوعی را با کمک شبیه‌سازی آموزش دادند اما کار بررسی واکنش‌های سیستم در دنیای واقعی را به یک انسان سپردند. پژوهشگران، داده‌های آموزشی و داده‌های ارائه شده توسط انسان را با هم ترکیب کردند و سپس برای ارائه مدلی که موقعیت‌ها و واکنش درست را برای سیستم مشخص می‌کند، روش‌های یادگیری ماشینی را به کار بردند.
این گروه پژوهشی، اعتبار سیستم خود را با به کارگیری آن در بازی‌های ویدئویی تأیید کردند. آنها برای اصلاح مسیر شخصیت بازی ویدئویی، یک انسان شبیه‌سازی شده را به کار بردند اما در مرحله بعد، مدل را با آموزش سنتی و روش‌های بررسی خودروها و ربات‌های خودران با بازخورد انسانی، ترکیب کردند.
“رامیا راماکریشنان”( Ramya Ramakrishnan)، فارغ‌التحصیل علوم رایانه و هوش مصنوعی و نویسنده ارشد پژوهش گفت: این مدل، به سیستم‌های خودران کمک می‌کند درک بهتری از مواردی که نمی‌بینند داشته باشند. بیشتر اوقات، شبیه‌سازی‌های آموزش داده شده به این سیستم‌ها با شرایط دنیای واقعی و مشکلات پیش رو مانند تصادفات مطابقت ندارند. ایده ما این است که برای پر کردن شکاف میان دنیای شبیه‌سازی شده و دنیای واقعی، از انسان‌ها استفاده کنیم تا بتوانیم چنین اشتباهاتی را به صورت ایمن کاهش دهیم.
