Новый алгоритм Texplore-Venir мотивирует роботов узнавать новое простейшим способом – системой наград за добывание знаний как таковых безотносительно к конкретным задачам.
Тодд Хестер из Google DeepMind в Британии и Питер Стоун из университета Техаса разработали алгоритм Texplore-Venir, поощряющий роботов «проявлять любопытство» и исследовать окружающую среду. Он базируется на методе «подкрепляющего обучения», измененном так, что робот получает вознаграждение за новое знание вне зависимости от того, помогает ли оно достичь конкретную цель.
Призы за стремление к знаниям получал робот Nao (на фото). Ученые отдают себе отчет: излишнее любопытство машин может снизить продуктивность решения задач, поэтому их ближайшая задача – найти оптимальный баланс.
