roboticienii confruntă cu o dilemă similară atunci când încercați pentru a construi o mașină autonomă capabilă să învețe noi competențe. O abordare, ca în exemplul golf, este de a descompune o activitate în trepte precise și apoi programați informațiile în creierul robotului. Acest lucru presupune că fiecare aspect al activității poate fi disecat, descrise și codificate, care, după cum se vede, nu este întotdeauna ușor de făcut. Există anumite aspecte ale swinging un club de golf, de exemplu, care, fără îndoială, nu poate fi descris, cum ar fi interacțiunea dintre încheietura mâinii și cotului. Aceste detalii subtile pot fi comunicate mult mai ușor prin afișarea în loc de a spune.
In ultimii ani, cercetatorii au avut un oarecare succes de predare roboți pentru a imita un operator uman. Ei numesc acest proces de invatare imitație sau de învățare de la demonstrație (LFD), și l-au scoate de înarmare mașinile lor cu rețele de unghi larg și zoom camere. Acest echipament permite robotului să " a se vedea " un profesor uman acționează un proces sau o activitate specifică. Algoritmi de învățare apoi procesul aceste date pentru a produce o harta funcție matematică care se conectează de intrare vizuale în acțiuni dorite. Desigur, roboți în scenarii LFD trebuie să fie capabil de a ignora anumite aspecte ale comportamentului profesorilor său - cum ar fi zgarieturi o mâncărime -. Și să se ocupe cu probleme de corespondență, care se referă la moduri în care anatomie un robot diferă de un om de
6 : Practica Deception
arta de înșelăciune a evoluat pentru a ajuta animalele obține un picior pe concurenții lor și pentru a evita să fie mâncat de prădători. Cu practica, calificare poate deveni un mecanism extrem de eficient de supravietuire.
Pentru roboți, a învăța cum să înșele o persoană sau un alt robot de a fost o provocare (și care ar putea fi foarte bine cu tine). Deception necesită imaginație - capacitatea de a forma idei sau imagini ale obiectelor externe nu prezintă simțurilor - care este de obicei ceva lipsește masini (a se vedea următorul element pe lista noastră). Sunt foarte bun la prelucrare de intrare directa de la senzori, camere video și scanere, dar nu atât de mare la formarea de c
