Dysgu dynwared: Sut mae peiriannau'n dysgu gan y gorau

• Awdur:
• enw awdur

  Rhagolwg Quantumrun
• Mawrth 6, 2024

Crynodeb mewnwelediad

Mae dysgu dynwared (IL) yn trawsnewid amrywiol ddiwydiannau trwy alluogi peiriannau i ddysgu tasgau trwy arddangosiadau dynol arbenigol, gan osgoi rhaglennu helaeth. Mae'r dull hwn yn arbennig o effeithiol mewn meysydd lle mae swyddogaethau gwobrwyo manwl gywir yn anodd eu diffinio, fel roboteg a gofal iechyd, gan gynnig gwell effeithlonrwydd a chywirdeb. Mae'r goblygiadau ehangach yn cynnwys newidiadau yn y galw am lafur, datblygiadau mewn datblygu cynnyrch, a'r angen am fframweithiau rheoleiddio newydd i reoli'r technolegau hyn sy'n dod i'r amlwg.

Cyd-destun dysgu dynwared

Mae dysgu dynwared yn ymagwedd mewn deallusrwydd artiffisial (AI) lle mae peiriannau'n dysgu cyflawni tasgau trwy ddynwared ymddygiad arbenigol. Mewn dulliau dysgu peiriant traddodiadol (ML) fel dysgu atgyfnerthu, mae asiant yn dysgu trwy brofi a methu o fewn amgylchedd penodol, wedi'i arwain gan swyddogaeth wobrwyo. Fodd bynnag, mae IL yn cymryd llwybr gwahanol; mae'r asiant yn dysgu o set ddata o arddangosiadau gan arbenigwr, yn nodweddiadol dyn. Nid dim ond ailadrodd ymddygiad yr arbenigwr yw'r amcan ond ei gymhwyso'n effeithiol mewn amgylchiadau tebyg. Er enghraifft, mewn roboteg, gallai IL gynnwys robot yn dysgu gafael ar wrthrychau trwy wylio bod dynol yn cyflawni'r dasg, gan osgoi'r angen am raglennu helaeth o'r holl senarios posibl y gallai'r robot ddod ar eu traws.

I ddechrau, mae casglu data yn digwydd pan fydd arbenigwr yn arddangos y dasg, boed yn gyrru car neu'n rheoli braich robot. Mae gweithredoedd a phenderfyniadau'r arbenigwr yn ystod y dasg hon yn cael eu cofnodi ac yn sail i'r deunydd dysgu. Nesaf, defnyddir y data hwn a gasglwyd i hyfforddi model ML, gan ddysgu polisi iddo - yn y bôn, set o reolau neu fapio o'r hyn y mae'r peiriant yn ei arsylwi i'r camau y dylai eu cymryd. Yn olaf, mae'r model hyfforddedig yn cael ei brofi mewn amgylcheddau tebyg i asesu ei berfformiad o'i gymharu â'r arbenigwr. 

Mae dysgu dynwared wedi dangos potensial mewn amrywiol feysydd, yn enwedig lle mae diffinio swyddogaeth wobrwyo fanwl gywir yn gymhleth neu lle mae arbenigedd dynol yn hynod werthfawr. Wrth ddatblygu cerbydau ymreolaethol, fe'i defnyddir i ddeall symudiadau gyrru cymhleth gan yrwyr dynol. Mewn roboteg, mae'n helpu i hyfforddi robotiaid ar gyfer tasgau sy'n syml i bobl ond yn heriol i'w hamgodio, fel tasgau domestig neu waith llinell gydosod. Ar ben hynny, mae ganddo gymwysiadau mewn gofal iechyd, fel mewn llawfeddygaeth robotig, lle mae'r peiriant yn dysgu gan lawfeddygon arbenigol, ac mewn hapchwarae, lle mae asiantau AI yn dysgu o chwarae dynol. 

Effaith aflonyddgar

Wrth i beiriannau ddod yn fwy medrus wrth ddynwared tasgau dynol cymhleth, gall swyddi penodol, yn enwedig y rhai sy'n cynnwys tasgau ailadroddus neu beryglus, symud tuag at awtomeiddio. Mae'r newid hwn yn cyflwyno senario dwy ymyl: er y gall arwain at ddadleoli swyddi mewn rhai sectorau, mae hefyd yn agor cyfleoedd i greu swyddi newydd ym maes cynnal a chadw, goruchwylio a datblygu AI. Mae’n bosibl y bydd angen i ddiwydiannau addasu drwy gynnig rhaglenni ailhyfforddi a chanolbwyntio ar rolau sy’n gofyn am sgiliau dynol unigryw, megis datrys problemau’n greadigol a deallusrwydd emosiynol.

Wrth ddatblygu cynnyrch a gwasanaeth, mae IL yn cynnig mantais sylweddol. Gall cwmnïau ddefnyddio'r dechnoleg hon i brototeipio a phrofi cynhyrchion newydd yn gyflym, gan leihau'r amser a'r gost sy'n gysylltiedig â phrosesau ymchwil a datblygu traddodiadol. Er enghraifft, gall IL hwyluso datblygiad cerbydau ymreolaethol mwy diogel a mwy effeithlon trwy ddysgu o batrymau gyrru dynol. Yn ogystal, gallai'r dechnoleg hon arwain at gymorthfeydd robotig mwy manwl gywir a phersonol, a ddysgwyd gan y llawfeddygon gorau ledled y byd, gan wella canlyniadau cleifion.

Mae’n bosibl y bydd angen i lywodraethau ddatblygu fframweithiau newydd i fynd i’r afael â goblygiadau moesegol a chymdeithasol AI, yn enwedig o ran preifatrwydd, diogelwch data, a dosbarthu buddion technoleg yn deg. Mae'r duedd hon hefyd yn gofyn am fuddsoddiad mewn rhaglenni addysg a hyfforddiant i baratoi'r gweithlu ar gyfer dyfodol AI-ganolog. At hynny, gallai IL fod yn allweddol mewn ceisiadau sector cyhoeddus, megis cynllunio trefol a monitro amgylcheddol, gan alluogi gwneud penderfyniadau mwy effeithlon a gwybodus.

Goblygiadau dysgu dynwared

Gall goblygiadau ehangach IL gynnwys: 

• Gwell hyfforddiant i lawfeddygon a staff meddygol gan ddefnyddio dysgu dynwared, gan arwain at well manylder llawfeddygol a gofal cleifion.
• Hyfforddiant mwy effeithiol o gerbydau ymreolaethol, lleihau damweiniau a gwneud y gorau o lif y traffig trwy ddysgu gan yrwyr dynol arbenigol.
• Datblygu botiau gwasanaeth cwsmeriaid uwch ym maes manwerthu, gan ddarparu cymorth personol trwy efelychu cynrychiolwyr gwasanaethau cwsmeriaid dynol sy'n perfformio orau.
• Gwelliant mewn offer a llwyfannau addysgol, gan gynnig profiadau dysgu wedi'u teilwra i fyfyrwyr yn seiliedig ar efelychu technegau addysgwyr arbenigol.
• Datblygiadau mewn gweithgynhyrchu robotig, lle mae robotiaid yn dysgu tasgau cydosod cymhleth gan weithwyr dynol medrus, gan gynyddu effeithlonrwydd a manwl gywirdeb.
• Protocolau diogelwch wedi'u huwchraddio mewn diwydiannau peryglus, gyda pheiriannau yn dysgu ac yn dynwared arbenigwyr dynol wrth drin tasgau peryglus yn ddiogel.
• Gwell rhaglenni hyfforddi athletaidd a chorfforol gan ddefnyddio hyfforddwyr AI sy'n dynwared hyfforddwyr elitaidd, gan ddarparu arweiniad personol i athletwyr.
• Datblygu AI mwy bywiog ac ymatebol mewn adloniant a gemau, gan greu profiadau mwy trochi a rhyngweithiol.
• Gwelliant mewn gwasanaethau cyfieithu iaith, gyda systemau AI yn dysgu gan ieithyddion arbenigol i ddarparu cyfieithiadau mwy cywir a pherthnasol i'r cyd-destun.
• Datblygiadau mewn awtomeiddio cartref a roboteg bersonol, gan ddysgu tasgau cartref gan berchnogion tai i gael cymorth mwy effeithlon a phersonol.

Cwestiynau i'w hystyried

• Sut gallai integreiddio IL mewn technoleg bob dydd newid ein tasgau arferol bob dydd gartref ac yn y gwaith?
• Pa ystyriaethau moesegol y dylid rhoi sylw iddynt wrth i beiriannau ddysgu fwyfwy oddi wrth ymddygiad dynol a dynwared ohono?