使用群機器人的研究人員表示，機器現在可以通過觀察它們來了解自然或人工系統的工作方式，而不會被告知要尋找什麼。

這可能會導致機器如何推斷知識並使用它來檢測行為和異常。

“然而，與最初的圖靈測試不同，我們的閱讀器不是人類，而是自己學習的計算機程序。”

該技術可以改進安全應用，例如謊言檢測或身份驗證，並使計算機遊戲更加真實。

這也意味著機器能夠預測人和其他生物的行為。

圖靈測試

這一發現發表在期刊上 群體智能，從先驅計算機科學家艾倫·圖靈（Alan Turing）的工作中汲取靈感，他提出了一種機器可以通過的測試，如果它與人類無法區分。 在這個測試中，詢問器與另一個房間中的兩個玩家交換消息：一個人，另一個是機器。

審訊者必須找出這兩個球員中哪一個是人。 如果他們一直都不這樣做 - 這意味著他們不會比他們隨機選擇一個玩家更成功 - 機器已通過測試，並且被認為具有人類級智能。

“我們的研究使用圖靈測試來揭示給定係統 - 不一定是人類的工作方式。 在我們的案例中，我們對一大批機器人進行了監視，並希望找出導致其運動的規則，“謝菲爾德大學自動控制和系統工程系的Roderich Gross解釋道。

“為此，我們還製造了第二個由學習機器人組成的群體 - 受到監視。 記錄所有機器人的動作，並向審訊人員顯示動作數據，“他補充道。

“然而，與最初的圖靈測試不同，我們的閱讀器不是人類，而是自己學習的計算機程序。 他們的任務是區分機器人與任何一個群體。 它們因正確地將原始群體中的運動數據分類為真實而來自其他群體的運動數據作為偽造而獲得獎勵。 成功愚弄審訊者的學習機器人 - 讓它相信他們的動作數據是真實的 - 獲得獎勵。“

格羅斯稱這種方法的優勢稱為“圖靈學習”，人類不再需要告訴機器要尋找什麼。

機器人塗料像畢加索

想像一下，你想讓機器人像畢加索一樣畫畫。 傳統的機器學習算法會對機器人的繪畫進行評價，以確定它們與畢加索的相似程度。 但有人必須告訴算法一開始就認為與畢加索相似。

圖靈學習不需要這些先驗知識。 如果機器人繪製了被審訊者認為是真實的東西，它就會獎勵機器人。 圖靈學習將同時學習如何詢問和如何繪畫。

格羅斯說他相信圖靈學習可以帶來科學技術的進步。

“科學家可以利用它來發現管理自然或人工系統的規則，特別是在使用相似性指標無法輕易表徵行為的情況下，”他說。

“例如，電腦遊戲可以獲得真實感，因為虛擬玩家可以觀察並假設其人類對手的特徵。 他們不會簡單地複制觀察到的行為，而是揭示讓人類玩家與眾不同的東西。“

到目前為止，Gross和他的團隊已經在機器人群中測試了圖靈學習，但下一步是揭示一些動物集體的運作，例如魚群或蜜蜂群。 這可以使人們更好地了解影響這些動物行為的因素，並最終為政策提供保護。

資源： 謝菲爾德大學

相關書籍

at

感謝造訪 InnerSelf.com， 哪裡有 20,000+ 宣傳“新態度和新可能性”的改變生活的文章。 所有文章均翻譯為 超過30種語言. 訂閱 每週出版的《內在自我》雜誌和瑪麗·T·拉塞爾的《每日靈感》。 InnerSelf雜誌 自 1985 年起出版。