For øyeblikket, uansett hvor dyktig en robotmekanisme er, fungerer den i de fleste tilfeller i henhold til forhåndsskrevne algoritmer (eller er fullstendig kontrollert av en person) og kan ikke forutse konsekvensene av dens handlinger. Men forskere fra University of California i Berkeley har skapt en ny teknologi for læringsmaskiner som lar dem forutsi hvor denne eller den handlingen vil lede, selv når de samhandler med objekter som roboten ikke tidligere har møtt.
EurekAlert-utgaven skriver om den nye utviklingen. I følge deres rapporter er teknologien strukturert som følger: i det første trinnet beveger roboten uavhengig objekter uten deltakelse fra en operatør ved hjelp av bilder mottatt fra kameraer, på grunnlag av hvilken en prediktiv oppførselsmodell er bygget. Etter flere forsøk blir den "husket" og brukt senere når du møter nye eller lignende sett objekter. Robotens kameraer beregner den mulige rekkefølgen av handlinger, men foreløpig bare noen få sekunder foran. Selv om dette allerede er nok for roboten å ta avgjørelser under nye forhold for den uten menneskelig deltakelse. Som oppgitt av en av forskerne, Frederic Ebert, “Gjennom hele livet lærer folk å samhandle med verden rundt seg med liten eller ingen hjelp gjennom prøving og feiling, og skaffer seg nødvendig erfaring og tilegner seg ferdigheter. Vi har klart å bygge et robotsystem som vil bruke en stor mengde autonomt innsamlede data for å tilegne seg nyttige ferdigheter, og kunnskapen som er oppnådd under trening kan brukes av maskinen i fremtiden når du for eksempel beveger gjenstander."
Vladimir Kuznetsov
