Revista de teledetección y SIG

Abstracto

Robots/softbots inteligentes basados ​​en aprendizaje automático permanente para avanzar en la automatización industrial

Emdad Khan

Un robot o un softbot (agente inteligente) totalmente capaz necesitaría tener la mayoría de las capacidades de aprendizaje y toma de decisiones de un ser humano: autoaprendizaje, inteligencia cognitiva, creación de conocimiento, aprendizaje a partir de la experiencia, determinación de lo que se debe aprender, etc. Los algoritmos de aprendizaje automático (ML) existentes están dominados por el aprendizaje aislado (por ejemplo, en el aprendizaje supervisado, se utiliza un conjunto de datos específico para una tarea específica en un dominio para entrenar un ML para regresión o clasificación). Las capacidades de generalización de dichos sistemas están estrechamente relacionadas con los datos, la tarea y el dominio utilizados para entrenar y, por lo tanto, tienen un alcance limitado (aunque el aprendizaje por transferencia puede ayudar en buena medida para algunas aplicaciones). Pero dichos sistemas no crean conocimiento y no pueden aprender del conocimiento o la experiencia previos en tareas y dominios. Sin embargo, recientemente ha habido algunos buenos trabajos que pueden ayudar al aprendizaje automático permanente (LML), es decir, pueden crear conocimiento a partir de lo aprendido, usar ese conocimiento para aprender más y repetir el proceso como lo hacen los humanos. Sin embargo, dichos métodos utilizan enfoques algorítmicos y estadísticos para la creación de conocimiento que no se escalan bien y son menos flexibles para modelar el aprendizaje similar al humano. Esto habilitará efectivamente la capacidad LML en los sistemas ML existentes basados ​​en datos numéricos y la integrará bien con los sistemas LML que utilizan datos no estructurados, creando así un sistema inteligente basado en LML completamente similar al humano.