به گزارش گروه علم و آموزش ایرنا از «تک‌اکسپلور»، در آسمان گسترده که زمانی پرندگان در آن حکمرانی می کردند، اکنون موجودات جدیدی به پرواز درآمدند. این پیشگامان فضا موجودات زنده نیستند. اینها ربات های معمولی پروازی یا پهپادهای معمولی هم نیستند که مانند زنبورهای مکانیکی به اطراف پرواز کنند. آنها محصولات شگفت‌انگیزی هستند که با الهام از پرندگان ساخته شده اند، توسط شبکه های عصبی مایع هدایت می شوند و در محیط های در حال تغییر و دیده نشده با دقت و آسانی پرواز می کنند.
شبکه‌های عصبی مایع این هواپیماهای بدون سرنشین که می‌توانند به طور مداوم با داده‌های ورودی جدید مطابقت پیدا کنند، مهارت و قدرتی در زمینه اتخاذ تصمیمات قابل اتکا در مناطق و قلمروهای ناشناخته مانند جنگل‌ها و محیط هایی با سروصدای اضافی از خود نشان دادند.
این مدل‌های قابل انطباق با الهام از مغزهای ارگانیک که در زمینه اجرای وظایف راهبری از بسیاری همتایان با فناوری پیشرفته خود عملکرد بهتری داشتند، می‌توانند کاربردهای بالقوه ای در جهان واقعی برای پهپادها در موقعیت های جست‌وجو و نجات، انتقال و نظارت بر محیط زیست ایجاد کنند.
کلاس جدید الگوریتم‌های یادگیری ماشین این تیم تحقیقاتی، ساختار علت و معلولی وظایف را از داده‌های غیرساختارمند و ابعاد بالا (high-dimensional) از قبیل پیکسل‌های ورودی از دوربین‌های نصب شده بر پهپادها دریافت می‌کند. این شبکه‌ها سپس می‌توانند جنبه‌های حیاتی وظیفه خود (یعنی درک و فهم وظیفه پیش رو) را استخراج کنند و خصوصیات نامربوط را نادیده بگیرند.
«دانیلا راس» مدیر آزمایشگاه یادشده در این خصوص گفت: ما از دیدن پتانسیل بزرگ رویکرد کنترل ربات‌ها بر مبنای یادگیری هیجان زده شدیم؛ زیرا این رویکرد زمینه را برای حل مشکلات و مسائل پیش آمده به علت آموزش در یک محیط و اعزام و به کارگیری در محیطی جداگانه و متفاوت، فراهم کرده است.
وی افزود: آزمایش های ما اثبات کرد که می‌توانیم به طور موثر به یک پهپاد یاد بدهیم که موقعیت یک شئ را در جنگل در تابستان مشخص کند و سپس این مدل را در زمستان با محیط بسیار متفاوت یا حتی در محیط های شهری با وظایف متفاوت مانند جست و جو و دنبال کردن، به کار بگیریم.
این الگوریتم‌های قابل انعطاف می‌توانند روزی به تصمیم‌سازی بر اساس جریان‌های داده که در طول زمان تغییر می‌کنند مانند تشخیص بیماری و کاربردهای رانندگی خودکار یاری برسانند.