Militaire utilisant des ondes cérébrales pour enseigner aux robots comment tirer

Centre de recherche de la NASA à Langley
S'il vous plaît partager cette histoire!

Il y a trois ans, l'armée nous a dit que les robots ne seront pas utilisés pour tuer des gens: pourquoi leur apprennent-ils à tirer? Leçon: Les technocrates mentent pour perpétuer leurs inventions.  Éditeur TN

Sans même s'en rendre compte, les soldats pourraient bientôt entraîner des tireurs d'élite robotisés à prendre leur travail.

Les capteurs modernes peuvent voir plus loin que les humains. Les circuits électroniques peuvent tirer plus vite que les nerfs et les muscles peuvent appuyer sur une gâchette. Les humains surpassent toujours les robots armés pour savoir sur quoi tirer - mais de nouvelles recherches financées en partie par l'armée pourraient bientôt réduire cet écart.

Des chercheurs de DCS Corp et le laboratoire de recherche de l'armée ont alimenté des ensembles de données d'ondes cérébrales humaines vers un réseau de neurones - un type d'intelligence artificielle - qui a appris à reconnaître lorsqu'un humain prend une décision de ciblage. Ils ont présenté leurs papier sur à la annuelle Interface utilisateur intelligente conférence à Chypre en mars.

Pourquoi est-ce un gros problème? L'apprentissage automatique repose sur des données hautement structurées, des nombres en lignes que le logiciel peut lire. Mais identifier une cible dans le monde réel chaotique est incroyablement difficile pour les ordinateurs. Le cerveau humain le fait facilement, structurant les données sous forme de souvenirs, mais pas dans un langage que les machines peuvent comprendre. C'est un problème auquel l'armée est aux prises depuis des années.

«Nous parlons souvent d'apprentissage en profondeur. Le défi pour l'armée est que cela implique d'énormes jeux de données et un problème bien défini », a déclaré Thomas Russell, le scientifique en chef de l'armée, lors d'une récente association de la National Defence Industrial Association. un événement. "Comme Google vient de résoudre le problème du jeu Go."

L'année dernière, le laboratoire DeepMind de Google montré qu'un AI pourrait battre le meilleur joueur du monde dans le jeu de Go, un jeu considéré de manière exponentielle plus difficile que les échecs. «Vous pouvez entraîner le système à apprendre en profondeur dans un environnement [hautement structuré], mais si le plateau de jeu de Go change de façon dynamique au fil du temps, le AI ne pourra jamais résoudre ce problème. Vous devez comprendre… dans cet environnement dynamique que nous avons dans le monde militaire, comment recycler ce processus d'apprentissage du point de vue des systèmes? À l'heure actuelle, je ne pense pas qu'il y ait moyen de faire cela sans que les humains entraînent ces systèmes.

Leurs recherches découlaient d’un programme pluriannuel et pluriannuel appelé Alliance technologique collaborative en cognition et neuroergonomie.

«Nous savons que des signaux dans le cerveau apparaissent lorsque vous percevez quelque chose de très important», a déclaré le chercheur Matthew Jaswa, l'un des auteurs du journal.. Ceux-ci s'appellent Les réponses P300, rafales d'activité électrique que le lobe pariétal du cerveau émet en réponse à des stimuli. Découvert dans les 1960, la réponse P300 est essentiellement la réponse du cerveau à une tâche de décision rapide, par exemple si un objet qui apparaît soudainement est une cible.

Les chercheurs espèrent que leur nouveau réseau neuronal permettra des expériences dans lesquelles un ordinateur peut facilement comprendre quand un soldat évalue des cibles dans un scénario virtuel, plutôt que d'avoir à passer beaucoup de temps à apprendre au système à comprendre comment structurer les données de différents individus, les mouvements oculaires, leurs réponses P300, etc. Le but, un jour, est un réseau neuronal qui peut apprendre instantanément, en continu et en temps réel, en observant les ondes cérébrales et les mouvements oculaires de soldats hautement qualifiés faisant leur travail.

Lire l'histoire complète ici…

S'ABONNER
Notifier de
invité

0 Commentaires
Commentaires en ligne
Voir tous les commentaires