英國謝菲爾德大學的研究人員近日在《群集智能》(SwarmIntelligence)期刊上發表了他們的研究成果，現在機器無需人類的指引，只通過觀察就能學習自然或人工系統的工作原理。這可能會極大地推動機器預測人類行為等技術的發展。
文章中的實驗從著名的圖靈測試中汲取了靈感，即讓受試者和分處兩個房間的機器和人對話，如果受試者區分不出誰是機器誰是人，就可以判斷機器通過了測試，具備和人類相當的智能。
謝菲爾德大學自動化控制及系統工程系的RoderichGross博士表示：我們的研究使用了圖靈測試來揭示一個給定系統的工作原理。我們先放置一群處于監督下的機器人，庫卡機器人何服電機維修，庫卡機器人，為了能找到它們運動的規律，我們又放置了另一群處于監督下的學習機器人。我們記錄了所有這些機器人的運動，然后把運動數據給受試者看。
但和圖靈測試不同，我們的受試者不是人，而是能夠自主學習的計算機程序。它們的任務就是區分這兩群機器人。如果它們正確地區分出兩群機器人的運動數據，庫卡機器人，就會得分。反之，那群模仿第一群機器人運動的學習者就會得分。
RoderichGross博士將這一方法稱為圖靈學習，其優勢是人類無需再告訴機器應該尋找什么。
舉個例子，比如你想要機器人像畢加索一樣繪畫，傳統的機器學習算法會按照機器人畫作和畢加索畫作的相似程度來打分。但這必須有人先告訴算法，應該考慮哪些因素才算得上相似。圖靈學習不需要這樣的先期知識。如果受試者認為機器人畫作是原作，機器人就會得分。圖靈學習可以同時學習如何判斷和繪畫。
RoderichGross博士相信，圖靈學習會推動科學技術的發展。他說道：科學家們可以用它來發現自然或人工系統中的規律，尤其是無法通過相似度指標來輕松歸類的行為。
比如電腦游戲就可以通過圖靈學習來媲美現實，游戲角色可以觀察并習得人類玩家的性格特征。它們不會簡單地復制觀察到的行為，而是會揭示是什么讓人類玩家與眾不同。
這一發現還可以用于打造偵測變態行為的算法，對牲畜健康監控和機器、汽車、飛機的預防性維修也會很有用。圖靈學習還可以用于安全應用，比如測謊或在線身份驗證。
截至目前，RoderichGross博士和他的團隊只在群集機器人上測試了圖靈學習，他們計劃下一步用它來揭示動物集群如魚群或蜂群的運作原理。這可以讓人們更好地理解，哪些因素影響了這些動物的行為，并最終應用于保護這些動物的政策制定上。