I ricercatori scoprono che le macchine possono imparare semplicemente osservando

Secondo i ricercatori dell’Università di Sheffield, ora è possibile per le macchine imparare come funzionano i sistemi naturali o artificiali semplicemente osservandoli, senza che gli venga detto cosa cercare.

Ciò potrebbe significare progressi nel mondo della tecnologia con macchine in grado di prevedere, tra le altre cose, il comportamento umano.

La scoperta prende ispirazione dal lavoro del pioniere informatico Alan Turing, che ha proposto un test che una macchina potrebbe superare se si comportasse in modo indistinguibile da un essere umano. In questo test, un interrogatore scambia messaggi con due giocatori in una stanza diversa: uno umano, l’altro una macchina.

L’interrogatore deve scoprire quale dei due giocatori è umano. Se falliscono costantemente nel farlo – il che significa che non hanno più successo che se avessero scelto un giocatore a caso – la macchina ha superato il test e si considera che abbia un’intelligenza di livello umano.

Il dott. Roderich Gross del Dipartimento di controllo automatico e ingegneria dei sistemi dell’Università di Sheffield, ha dichiarato: “Il nostro studio utilizza il test di Turing per rivelare come funziona un dato sistema, non necessariamente un essere umano. Nel nostro caso, abbiamo messo uno sciame di robot sotto sorveglianza e volevamo scoprire quali regole causavano i loro movimenti. Per fare ciò, abbiamo messo sotto sorveglianza anche un secondo sciame, composto da robot di apprendimento. I movimenti di tutti i robot sono stati registrati e i dati di movimento mostrati agli interrogatori. “

Ha aggiunto: “A differenza del test di Turing originale, tuttavia, i nostri interrogatori non sono umani, ma piuttosto programmi per computer che imparano da soli. Il loro compito è distinguere tra i robot di entrambi gli sciami. Sono ricompensati per aver classificato correttamente i dati di movimento dall’originale. sciame come genuino e quelli dell’altro sciame come contraffatti. I robot di apprendimento che riescono a ingannare un interrogatore, facendogli credere che i loro dati di movimento fossero autentici, ricevono una ricompensa.

Il dott. Gross ha spiegato che il vantaggio dell’approccio, chiamato “Turing Learning”, è che gli esseri umani non hanno più bisogno di dire alle macchine cosa cercare.

“Immagina di volere che un robot dipinga come Picasso. Gli algoritmi convenzionali di apprendimento automatico valuterebbero i dipinti del robot per quanto assomigliassero a un Picasso. Ma qualcuno dovrebbe dire agli algoritmi cosa è considerato simile a un Picasso per cominciare. Turing Learning fa non richiede tale conoscenza preliminare. Semplicemente ricompenserebbe il robot se dipinge qualcosa che è stato considerato genuino dagli interrogatori. Turing Learning imparerebbe contemporaneamente come interrogare e come dipingere. “

Il dott. Gross ha affermato di ritenere che l’apprendimento di Turing potrebbe portare a progressi nella scienza e nella tecnologia.

“Gli scienziati potrebbero usarlo per scoprire le regole che governano i sistemi naturali o artificiali, specialmente dove il comportamento non può essere facilmente caratterizzato utilizzando metriche di somiglianza”, ha affermato.

“I giochi per computer, ad esempio, potrebbero guadagnare in realismo poiché i giocatori virtuali potrebbero osservare e assumere tratti caratteristici delle loro controparti umane. Non copierebbero semplicemente il comportamento osservato, ma piuttosto rivelerebbero ciò che distingue i giocatori umani dal resto”.

La scoperta potrebbe anche essere utilizzata per creare algoritmi che rilevino anomalie nel comportamento. Ciò potrebbe rivelarsi utile per il monitoraggio sanitario del bestiame e per la manutenzione preventiva di macchine, automobili e aerei.

Turing Learning potrebbe essere utilizzato anche in applicazioni di sicurezza, come per il rilevamento della menzogna o la verifica dell’identità online.

Finora, il dottor Gross e il suo team hanno testato Turing Learning in sciami di robot, ma il passo successivo è rivelare il funzionamento di alcuni collettivi di animali come banchi di pesci o colonie di api. Ciò potrebbe portare a una migliore comprensione di quali fattori influenzano il comportamento di questi animali e, infine, informare la politica per la loro protezione.