Журнал дистанционного зондирования и ГИС

Абстрактный

Интеллектуальные роботы/софтботы на основе непрерывного машинного обучения для продвижения промышленной автоматизации

Эмдад Хан

Полностью способные роботы/мягкие боты (интеллектуальный агент) должны обладать большинством возможностей обучения и принятия решений человека: самообучение, когнитивный интеллект, создание знаний, обучение на основе опыта, определение того, что нужно изучить и т. п. Существующие алгоритмы машинного обучения (МО) доминируют на основе изолированного обучения (например, в контролируемом обучении конкретный набор данных для конкретной задачи в домене используется для обучения МО для регрессии или классификации). Возможности обобщения таких систем тесно связаны с данными, задачей и доменом, используемыми для обучения, и, следовательно, ограничены по объему (хотя для некоторых приложений трансферное обучение может в значительной степени помочь). Но такие системы не создают знания и не могут учиться на предыдущих знаниях или опыте в разных задачах и доменах. Однако в последнее время появились некоторые хорошие работы, которые могут помочь непрерывному машинному обучению (ЛМО), т. е. могут создавать знания из того, что было изучено, использовать эти знания, чтобы узнать больше и повторить процесс, как они это делают как люди. Однако такие методы используют алгоритмические и статистические подходы для создания знаний, которые плохо масштабируются и менее гибки для моделирования обучения, подобного человеческому. Это позволит эффективно реализовать возможности LML в существующих системах МО, управляемых числовыми данными, и прекрасно интегрировать их с системами LML, использующими неструктурированные данные, тем самым создавая полноценную интеллектуальную систему на основе LML, подобную человеку.