Man mano che l’intelligenza artificiale (AI) diventa sempre più integrata nella nostra vita quotidiana, questi sistemi devono essere in grado di farlo con precisione prendere decisioni nel mondo reale e reagire in modo appropriato in ambienti complessi e in continua evoluzione.
Kaustubh Sridhar. Credito immagine: Università della Pennsylvania
Questo è l’obiettivo della ricerca di Kaustubh Sridhar, dottorando in Ingegneria elettrica e dei sistemi nel Penn Research in informatica incorporata e ingegneria dei sistemi integrati (PRECISO) Centro. La ricerca di Sridhar sul processo decisionale dell’IA mira a rendere gli attuali modelli del mondo più accuratiper creare sistemi di intelligenza artificiale in grado di migliorare Imparare dai dati degli espertie creare sistemi in grado di adattarsi rapidamente alle nuove situazioni.
“Mi piacerebbe continuare a fare ricerca sull’intelligenza artificiale e sul processo decisionale, possibilmente nell’industria, dopo la laurea in modo da poter contribuire a migliorare gli agenti autonomi nel mondo reale”, afferma Sridhar. “E, naturalmente, la mia speranza è che tali agenti aiutino le persone in una vasta gamma di compiti che vanno dalle faccende domestiche alla guida autonoma”.
Sridhar, arrivato alla Penn Engineering nel 2019 dopo aver conseguito una laurea in ingegneria aerospaziale presso l’Indian Institute of Technology di Bombay, si è interessato alla robotica fin da quando era bambino e si è classificato secondo in una classifica nazionale di robotica basata su LEGO. concorso durante le scuole medie.
“Agli studi universitari, ho dedicato i miei sforzi a inventare algoritmi di controllo per quadrirotori, robot con quattro rotori, che mi sono davvero piaciuti”, afferma Sridhar. “In seguito ho ampliato i miei confini per scoprire che il processo decisionale generalmente intelligente è il problema più impegnativo per ottenere robot che possano aiutare gli esseri umani nel mondo reale”.
Codifica sistemi di intelligenza artificiale – foto illustrativa. Credito immagine: Kevin Ku tramite Unsplash, licenza gratuita
Durante i suoi studi di dottorato, Sridhar ha lavorato per costruire algoritmi generali che siano intelligenti e sicuri per qualsiasi robot e qualsiasi agente decisionale. Ha ricevuto due volte il premio Outstanding Reviewer nelle principali conferenze sull’apprendimento automatico (ICML e NeurIPS 2022).
Il suo lavoro è stato nominato per il premio Best Paper alla Conferenza internazionale sui sistemi ciberfisici (ICCPS) nel 2023. La sua ricerca più recente si è concentrata sui metodi semiparametrici per l’apprendimento automatico e le applicazioni decisionali che possono essere utilizzate per l’apprendimento e l’apprendimento dei robot -sistemi digitali o fisici abilitati, come veicoli autonomi, reti elettriche e cloud computing.
“I punti salienti includono che modi semplici per combinare i vantaggi dei componenti non parametrici con le reti neurali portano a una migliore generalizzazione nell’apprendimento sia dei modelli dinamici che delle politiche”, afferma. “Alcune conclusioni che mi hanno sorpreso sono state che i metodi semiparametrici possono fornire garanzie rigorose per prestazioni nel mondo reale in diversi domini che altrimenti non potrebbero essere trovate.”
Secondo Sridhar, la sua ricerca sfata un malinteso fondamentale secondo cui è impossibile ottenere garanzie con componenti basati sull’apprendimento. Un’altra percezione errata è che sia facile automatizzare abilità che richiedono abilità sia sensoriali che motorie (ad esempio, abilità di coordinazione occhio-mano), come la presa e la mobilità.
“I ricercatori hanno osservato che l’apprendimento delle politiche generali rimane ancora uno dei maggiori colli di bottiglia per l’implementazione dell’intelligenza artificiale nel mondo reale”, afferma Sridhar. “Spero che alcune delle mie ricerche aiutino a superare i limiti verso la soluzione di questo problema”.
Successivamente, intende lavorare sullo sviluppo di metodi per combinare il meglio dell’apprendimento per rinforzo, dei modelli generativi e dell’apprendimento in contesto su grandi set di dati offline.
“Nella mia ricerca, il mio obiettivo è trovare i semplici cambiamenti che creano un grande impatto nella pratica, fornendo allo stesso tempo garanzie su sicurezza, robustezza e prestazioni. Spero che questa combinazione possa portare benefici ad altri ricercatori e alla comunità in generale”.
Da un’altra testata giornalistica. news de www.technology.org
