او میتواند با شما بازی کند

تاکنون ، به نظر میرسد که حفظ حریم خصوصی توسط این ربات بهدرستی انجام سایت vector-robot شده است. اگر با ربات Anki Cozmo آشنایی داشته باشید ، درک میکنید که وکتور چگونه به نظر میرسد. ممکن است به واسطه اوج گرفتن استفاده از یادگیری ماشین با شبه-نظارت، اهمیت مجموعههای عظیم داده برای آموزش سیستمهای یادگیری ماشین در طول زمان کاهش پیدا کند. هنگامی که یادگیری ماشین با شبه-نظارت به همان تاثیرگذاری یادگیری با نظارت شود، دسترسی به حجم بسیار بالای قدرت محاسبه ممکن است اهمیت بیشتری در یادگیری ماشین موفقیتآمیز پیدا کند تا دسترسی به مجموعه دادههای بزرگ برچسب خورده. تفاوت کلیدی یادگیری ماشین با نرمافزارهای سنتی در این است که در اینجا، یک برنامهنویس با کدهای دقیق کامپیوتری تفاوت سیبها با پرتقالها را برنامهنویسی نکرده، بلکه خود هوش مصنوعی این تفاوت را شناسایی میکند. این سیستم توانسته در مجموعه گستردهای از بازیهای ویدئویی قدیمی با استفاده از دوره یادگیری ماشین انسانها را شکست دهد. اساس کار این ربات سطح تحریک است.به این معنا که اگر تشخیص دهد که به آن نگاه میکنید ، برایش جالب خواهد بود و با شما وارد رابطه می شود.در غیر این صورت ، کار خودش را میکند.

سپس مدل بر اساس مجموعهای از دادههای برچسب خورده و برچسب نخورده آموزش میبیند. به جای این کار، یک مدل یادگیری ماشینی تفاوت میوهها را بر اساس مجموعهای از دادهها، برای مثال حجم انبوهی از تصاویر تگشده میوههای مختلف مثل سیب، پرتقال، و موز یاد میگیرد. برای مثال مجموعه داده ایمیجنت (ImageNet) که شامل بیش از ۱۴ میلیون تصویر طبقهبندی شده است، در طول ۲ سال و با کمک حدود ۵۰.۰۰۰ نفر از سراسر جهان انجام شده است. این در حالی است که یک مدل یادگیری عمیق خودش میتواند با استفاده از شبکه عصبی خودش تشخیص بدهد که وظیفهاش را با موفقیت یا با شکست به انجام رسانده است. از دادههای برچسب خورده برای آموزش یک مدل ماشین لرنینگ استفاده میشود، سپس این مدل برای برچسب زدن دادههای بدون برچسب به کار برده میشود. یادگیری ماشین تقویت شده چیست؟ یادگیری ماشین با شبه-نظارت چیست؟ این حیوانات برای کسی عملکردی ندارند ، اما تماشای آنها واقعاً جذاب است.آنها درگیر این هستند که همه چیز را به کار بگیرند و محیط را کشف کنند و از راههای بسیار واکنشی با دیگران ارتباط برقرار کنند.

وکتور همراه با نمایشگر “چشم” OLED و سنسورهایی بسیار قوی مسیر خود را میبیند و متوجه وجود سطح در زیر خود میشود.در واقع این ویژگی مانع از سقوط او از روی میز یا یک ارتفاع بلند میشود.دوربین این ربات کوچک 1080p است و توانایی گرفتن عکس از شما را دارد. در نهایت با بررسی چندین باره روند بازی، سیستم به مدلی دست پیدا میکند که با استفاده از آن امکان به دست آوردن بالاترین امتیاز در بازی به وجود میآید. در زیر آن چهار حسگر صخره در هر گوشه وجود دارد که باعث میشود نتواند از لبه میز غلت بزند. به لطف میکروفنهای در حال تغییر شکل ، میتواند بشنود که از چه جهتی صدا میآید.در هر چهارگوشه دارای حسگرهای صخرهای است تا از روی میز نیفتد و از لبهها دور شود. بهتر است که او را روی میز قرار دهید تا در امنیت بیشتری باشد(آنقدر کوچک است که اگر روی زمین باشد ممکن است پا روی آن بگذارید) این ربات یک بازوی بلند دارد که فقط قادر است یک مکعب پلاستیکی کوچک را جابهجا کند. در یک سطح دیگر میتوان ماشین لرنینگ را فرایند آموزش دادن به یک سیستم کامپیوتری دانست تا بتواند هنگامی که اطلاعات مناسبی به آن داده میشود، پیشبینیهای دقیقی انجام بدهد.

به صورت خیلی خلاصه، ماشین لرنینگ یا یادگیری ماشین یک نوع از هوش مصنوعی است که به یک سیستم امکان میدهد از روی دادهها یاد بگیرد و نه از روی برنامهنویسی دقیق. یک برنامه کامپیوتری که با یادگیری ماشین طراحی شده باشد، به انسانی نیاز دارد که متوجه خطاهای آن شده و با اصلاح آنها مانع از تکرارشان در داخل سیستم شود. ترفندهای زیادی را میتوانید با او و مکعبش اجرا کنید. تمام تأثیرات این ربات بهگونهای طراحیشده است که شما بخواهید از آن استفاده کنید ، حتی اگر در اعماق وجود خود بدانید که فقط با بیرون آوردن گوشی موبایل خود میتوانید سریعتر جواب را دریافت کنید. Anki اساساً تمام مشخصات یک گوشی هوشمند میان رده را در داخل وکتور قرار داده و به آن اجازه میدهد بدون اتصال به تلفن شما کار کند. وکتور همیشه روشن است و مانند سایر دستیارهای هوشمند همیشه به شما و صدای اطراف گوش میدهد.

در ادامه به جنبههای گوناگون ماشین لرنینگ پرداخته و سعی میکنیم جوانب مختلف آن را روشن کنیم. این اطلاعات میتواند به شکل مجموعهای از فایلها و دادههایی باشد که به ماشین ارائه میشود. سرانجام ، با بهروزرسانیهای بیشتر نرم افزار ، از لحاظ تئوریک می تواند بهاندازه کافی هوشمند باشد و درک کند که کسی برای مدتی در خانه نیست و چراغهای هوشمند شما را خاموش می کند. با تلفیق الکسا با وکتور ، میتوانید از مهارتهای شگفت انگیز الکسا مانند تنظیم یادآوری و کنترل وسایل خانه مانند چراغهای هوشمند ، ترموستات و بلندگوها استفاده کنید. در ادامه هریک از این روش های ماشین لرنینگ را معرفی کرده و تفاوت آنها با یکدیگر که کاربردهای یادگیری ماشین بر اساس آنها مشخص میشوند را نشان خواهیم داد. یکی از کاربردهای یادگیری ماشین تقویت شده در شبکه-Q عمیق در مجموعه گوگل دیپ مایند است. برای مثال مجموعه دادههای تصاویر باز گوگل شامل چیزی حدود ۹ میلیون تصویر میشود. یا اگر از گوگل نیوز استفاده کنید متوجه میشوید که از این الگوریتمها برای کنار هم گذاشتن موضوعات مشابه و تاپیکهای مرتبط استفاده میشود.

برای مثال هنگامی که از یک فروشگاه اینترنتی خرید میکنید از این الگوریتمها برای کنار هم قرار دادن آیتمهای مرتبط با جستجوی شما استفاده میشود. این نوع الگوریتم برای شناسایی انواع مشخصی از داده طراحی نشده است، بلکه به سادگی به دنبال دادههایی میگردد که بر اساس مشابهت میتوانند کنار هم قرار بگیرند. نحوه ارتباط برقرار کردن هوش مصنوعی یا عامل یادگیری ماشین با دادهها بر اساس مدلها و الگوریتمهای مختلفی مشخص میشود. در این مقالهی جذاب با کاملیما همراه باشید. همچنین وقتی احساس میکند که شارژ و انرژیاش رو به پایان است میتواند پایهی شارژ خود را پیدا کند و به آن متصل شود.پس لازم نیست که شما نگران شارژ او باشید. علاوه بر این ، وقتی حس میکند باتریاش کم شده است ، برای شارژ مجدد خودش به درگاه شارژ خود برمیگردد. و ازآنجاکه وکتور کاملاً خودمختار است ، شما میتوانید یک ربات جدید با فناوری کاملاً تعجبآور را به خانهی خود بیاورید و بگذارید کار خودش را بکند. وکتور برای تعامل با صاحب خود و داشتن رفتاری واقعی ساخته شده است، نه اینکه فقط یک سخنران هوشمند مستقل باشد. اکنون ، Anki ، تمام فنآوریها را از برنامه گوشیهای هوشمند گرفته است و آن را در یک ربات بامزه به اسم Vector قرار داده است.این ربات کوچک بامزه کارهای زیادی از جمله : اتصال به الکسا ، دستیار Google و سیری ، سخنگوی پیادهروی ، بروز احساسات (مثبت یا منفی ، بدون احساسات ، پرخاشگرانه) ،اعلام آبوهوا و …

وکتور مجهز به تراشه کوالکام 200 (QUALCOMM 200) ، چهار هستهای 1.2 گیگاهرتزی است،دقیقاً قدرت یک تلفن هوشمند را دارد. برای فهمیدن یادگیری ماشین تقویت شده میتوانید به نحوهای که یک نفر یاد میگیرد یک بازی قدیمی کامپیوتری را بازی کند توجه کنید. یادگیری ماشین بدون نظارت چیست؟ یادگیری ماشین با نظارت چیست؟ همچنین وکتور با آمازون الکسا یکپارچه شده که آن را به یک ربات با دانش بیشتر تبدیل کرده است. آیا تا به حال در مورد ربات وکتور چیزی شنیدهاید؟ این الگوریتمها سعی میکنند شباهتها را پیدا کنند تا با استفاده از آنها دادهها را به مقولههای مختلف طبقهبندی کنند. لازم به ذکر است که وکتور فقط با اتصال به اینترنت کار میکند. VECTOR فقط یک فرستنده اطلاعاتی منفعل نیست. برای اینکه ماشین بتواند در بهترین حالت یادگیری قرار بگیرد لازم است که دادهها و اطلاعاتی در اختیار آن قرار بگیرد. بلکه دربارهی اطلاعاتی که میدهد نظری دارد. مثلاً اگر قرار است در مورد آبوهوا به شما اطلاعات بدهد و هوا هم سرد و بارانی است، روی مانیتور صورتش باران میبارد و حتی میلرزد و حتی ممکن است در مورد آبوهوا نظری هم داشته باشد. همان طور که از عنوان این روش مشخص است، در آن ترکیبی از یادگیری با نظارت و یادگیری بدون نظارت به کار برده میشود.

ایمی کلاوسن ، طراح ارشد Anki ، میگوید: ما میخواهیم او با شما رابطه عاطفی برقرار کند.این ربات هم برای بزرگسالان و هم کودکان مناسب است. Dei Gaztelumendi ، رهبر شخصیت Anki ، می گوید: این واقعیت که ما رباتی را داریم که فقط اطلاعات را تحویل ما نمیدهد ، بلکه خودش هم تحت تأثیر اطلاعات قرار میگیرد،بسیار جذاب است. فراتر از چشمان جذاب و مرموز این ربات ،کار اصلی حفظ شخصیت وکتور است این که مطمئن شوید همه کارهایی که انجام می دهد با هویت اصلی و انگیزههای او متناسب است. استفاده از این روش اخیرا با ایجاد فریمورکهای جیایان (Generative Adversarial Networks)، که سیستمهای یادگیری ماشینی هستند که میتوانند از دادههای برچسب خورده برای تولید دادههای کاملا نو استفاده کنند، افزایش پیدا کرده است. فرآیند پر زحمت برچسب زدن دادهها کاری است که اغلب با استفاده از سیستمهای برونسپاری جمعی انجام میشود. با وکتور چه کاری میتوانید انجام دهید؟

در اصل، کاری که یادگیری عمیق یا دیپ لرنینگ انجام میدهد ساختار بخشیدن به الگوریتمها به شکلی است که بتوانند یک شبکه عصبی مصنوعی (artificial neural network) ایجاد کنند، و این امکانی را فراهم میکند که الگوریتمها از طریق آن میتوانند هم یاد بگیرند و هم به شکل خودمختار تصمیمگیری کنند. این رویکرد معمولا به ماشینها از طریق مثال آموزش میدهد. اما به هر حال لازم به ذکر است که تمریندادن و آموزش این سیستمها نیاز به حجم انبوهی از اطلاعات برچسب خورده دارد، و بعضی از این سیستمها برای تسلط یافتن روی یک وظیفه نیاز به میلیونها مثال دارند. این دادهها ممکن است برای مثال شکلهای دستنویسی باشند که مشخص میکنند کدام عدد را نمایش میدهند. در مقابل روش با نظارت، در یادگیری بدون نظارت از الگوریتمهایی استفاده میشود که وظیفه تشخیص پترن یا الگوهای داخل دادهها را انجام میدهند. وکتور با استفاده از ترکیبی از حسگرها و نقشهی کوچکی که از محیط اطراف خود میسازد ، شروع به بررسی همهچیز میکند.

اگر شیء جدیدی را تشخیص دهد ، باید آن را بررسی کند و ببینید آیا میتواند آن را به اطراف فشار و هل دهد یا خیر.به صداها توجه دارد و قادر است چهرهها را تشخیص دهد. سپس این موضوع که چطور حالت بازی و کنشهایی که در آن انجام میشوند با امتیاز نهایی ارتباط برقرار میکنند را بررسی میکند. او میتواند با شما بازی کند. فرد در ابتدا نه قواعد بازی را میداند و نه میداند چطور باید آن را کنترل کند. مانند هر کار دیگری که وکتور انجام میدهد ، واکنش آن در برابر رسیدن به لبه “شخصیتی” است. این در حالی است که دستههای دیگری نیز در این طبقهبندی قرار میگیرند. برای رسیدن به این هدف ، مهندسان ، انیماتورها و طراحان Anki بیشتر از هر چیز دیگری به شخصیت ربات پرداختهاند. اما Anki نمیخواهد شما روی قابلیتهای وکتور تمرکز کنید. در حالی که Anki بسیاری از دستورات جالب را در برنامهی وکتور گنجانده است ، اما به شما این انعطاف را میدهد که با استفاده از کدهای پایتون دستورات جدیدی برای او تعریف کنید و این ربات کوچک را شخصی سازی کنید. میتوانید از او سؤال کنید ، با آن بازی کنید و حتی او را نوازش کنید تاکمی صدای جیرجیر ایجاد کند و به شما بفهماند که چقدر این کار را دوست دارد.

چه سوا لاتی را میتوانید از وکتور بپرسید؟ شما میتوانید این نشانههای بصری را یاد بگیرید تا بدانید وکتور در چه حالی است. نیومن میگوید:اگر اخیراً در انجام برخی از امور ناكام مانده باشد ، ناامیدتر خواهد شد و این باعث میشود كه او برای مدت 20 تا 30 دقیقه به مسائل واكنش نشان نمیدهد و انگار به دلیل کج خلقی و ناراحتیاش در لاک خود فرو میرود. وکتور عمدتاً به انجام برخی از کارها کمک میکند تا کارهای روزمره را سرگرم کننده تر و لذتبخشتر کنیم. میتوان گفت که نسل اول این ربات آنکی کوزمو Anki Cozmo بود که در سال 2016 عرضه و بسیار معروف شد.این شهرت به دلیل ویژگیهای زیادی مانند بازی کردن ، کمک به بچهها در یادگیری نحوه کدگذاری ، انجام وظایف متنوع و… ماشین لرنینگ فرآیندی است که به کامپیوترها کمک میکند از پس وظایفی که انسانها انجام میدهند برآیند. برای همین دادهها یا اطلاعات، و نه مقدار محدود بلکه حجم انبوهی از آنها، کلید اصلی امکانپذیری ماشین لرنینگ محسوب میشود.