Robot Dengan Kebolehan Belajar Kesilapan Sendiri

frank-lewis-ut-arlington

Robot dengan kebolehan belajar sendiri dan memperbaiki dirinya dari kesilapan adalah bukan sesuatu yang baru, tetapi robot-robot itu selalunya perlu berhenti seketika untuk memproses apa yang dibuat sebelum itu. Jurutera elektrikal dari Universiti Texas Arlington di Amerika Syarikat baru-baru ini telah mempatenkan satu kaedah inovatif di mana alat kawalan dapat memperbaiki tindakannya sendiri secara beterusan berdasarkan keputusan sebelumnya. Dengan menjalani senario yang sama berulang-kali sama ada dengan meramalkan hasil tindakan atau mencuba sesuatu sehingga betul, robot atau mesin dengan alat kawalan ini dapat berfungsi pada tahap yang optimum.

“Alat kawalan tindak balas (feedback) yang optimum membenarkan sesuatu peranti menggunakan tenaga yang diperlukan secara minimum sambil menjimatkan masa dan bahan api,” kata Frank Lewis, professor dari Jabatan Kejuruteraan Elektrikal di Institut Penyelidikan Univesiti Texas Arlington. “Ianya (teknologi sebegini) selalunya dilihat di dalam autopilot pesawat, pengawal emisi di dalam kenderaan dan teknologi lain yang serupa. Kelebihan menggunakan Adaptive Integral Reinforcement Learning (teknologi berkaitan dengan paten ini) ialah sesuatu peranti itu sekarang boleh mempunyai kawalan optimum dengan melihat di dalam sistem dan mengira perubahan pada masa yang sama (in real-time), berbanding semasa luar talian di mana perubahan tidak boleh dibuat sehingga peranti itu tidak lagi digunakan,” kata Lewis lagi.

Vamvoudakis, saintis di Universiti California, Amerika Syarikat menambah lagi bahawa teknologi in akan akhirnya membolehkan mesin untuk bekerja di situasi-situasi yang semakin sukar. “(Dengan teknologi ini) Kecekapan akan didefinisikan sebagai potensi untuk penyesuaian diri (oleh peranti atau mesin) secara autonomous (tanpa kawalan manusia) di dalam persekitaran yang tidak berpusat (decentralized), tidak diketahui dan kompleks untuk membolehkan keupayaan melangkaui had manusia,” kata Vamkoudakis.

Sumber : Engadget, UT Arlington