走向共和

Google正测试乒乓球机器人i-Sim2Real 已能连续对打340次_我的网站

A |     “Sim2Real”是描述人工智能创造过程的一种方式，其中机器学习模型被教导在虚拟环境或模拟中做什么，然后在现实世界中应用这些知识。

B | 当需要多年的试验和错误才能得出一个有效的模型时，这是很有必要的--在模拟中进行，可以在几分钟或几小时内完成多年的实时训练。

C | 但是，在模拟中做一些事情并不总是可能的；例如，如果一个机器人需要与人互动呢？这不是那么容易模拟的，所以你需要真实世界的数据来开始。你最终会遇到一个鸡和蛋的问题：你没有人类的数据，因为你需要它来制造人类将与之互动的机器人，并首先产生这些数据。Google的研究人员通过简单的开始和制造一个反馈回路来解决这个难题。    这项研究是由美国能源部布鲁克海文国家实验室和纽约冷泉港实验室的研究人员进行的。他们从一种被称为Lemna japonica的现有浮萍开始，向其添加了多个基因，这些基因已经被认为可以驱动其他植物的燃料生产和储存。[i-Sim2Real]使用一个简单的人类行为模型作为近似的起点，在模拟训练和在现实世界中部署之间交替进行。在被描述为推/拉/保护效应中，其中一个基因推动（增加）脂肪酸的生产，其中一个基因将这些脂肪酸拉（组装）成三酰甘油油，另一个基因通过在植物组织中涂抹油滴来保护它们免受环境的降解。因此，工程浮萍积累的油几乎占其干重生物量的10%，据说这比该植物的野生对应物的积累率增加了100倍。在每次迭代中，人类行为模型和政策都会得到完善。它的油产量是当今最大的生物柴油来源大豆的7倍以上。从人类行为的近似值开始是可以的，因为机器人也只是刚刚开始学习。每场比赛都会收集到更多真实的人类数据，从而提高准确性，让人工智能学习更多。然而，与大豆不同的是，浮萍作物不会占用农田，因为它们将被种植在大型容器或池塘中。这种方法足够成功，该团队的乒乓球机器人已能够连续对打340次。它还能够将球送回不同的区域，当然不是准确的数学精度，但是好到可以开始执行策略。事实上，科学家们建议，浮萍作物可以种植在养猪场和家禽场的液体废物径流中，这些植物将通过从水中吸取多余的营养物质来帮助清理。一个挑战在于，通常情况下，推动脂肪酸生产的基因也会阻碍植物生长。

D | 为了解决这个问题，"推动"基因与另一个被称为启动子的基因配对，后者通过向水中添加一种特定的化学诱导剂而被激活。该团队还尝试了一种不同的方法，以实现更多的目标行为，比如从不同的位置将球返回到一个非常具体的地方。

E | 同样，这并不是要创造终极乒乓球机（尽管这很可能是一个结果），而是要找到有效训练人类互动的方法，而不是让人们重复成千上万次的相同动作。首席科学家，布鲁克海文生物化学家John Shanklin说：“加入这个启动子可以使推动基因保持关闭，直到我们加入诱导剂，这使得植物在我们开启脂肪酸/石油生产之前可以正常生长。”研究人员现在正在研究种植浮萍并从中提取商业规模的油的方法。关于这项研究的一篇论文最近发表在《植物生物技术杂志》上。

Current article:http://www.deshabisaoguonouzuo.cfd/list_cijgb6m/jfj9cqf.htm

Published on:12:55:36