Teknik pembelajaran mendalam untuk memecahkan kubus Rubik dan masalah lainnya selangkah demi selangkah
Machine

Teknik pembelajaran mendalam untuk memecahkan kubus Rubik dan masalah lainnya selangkah demi selangkah


Diagram yang menunjukkan bagaimana data yang dipelajari komputer dikumpulkan. Program dimulai dari kubus yang tidak teracak, diberi label “0”, kemudian diacak sekali, beri label “1”, dan seterusnya. Kemudian program belajar untuk melampirkan label semacam ini ke kubus yang tidak terlihat selama proses pelatihan. Kredit: Colin G. Johnson.

Colin G. Johnson, seorang profesor di University of Nottingham, baru-baru ini mengembangkan teknik pembelajaran mendalam yang dapat mempelajari apa yang disebut “fungsi kebugaran” dari serangkaian solusi sampel hingga suatu masalah. Teknik ini, dipresentasikan dalam makalah yang diterbitkan di Wiley’s Sistem Pakar jurnal, awalnya dilatih untuk memecahkan kubus Rubik, teka-teki kombinasi 3-D populer yang ditemukan oleh pematung Hungaria Ernő Rubik.

“Tujuan dari makalah kami adalah menggunakan pembelajaran mesin untuk belajar memecahkan kubus Rubik,” Colin G. Johnson, salah satu peneliti yang melakukan penelitian tersebut, mengatakan kepada TechXplore. “Kubus Rubik adalah teka-teki yang sangat kompleks, tetapi kombinasi mana pun dari sekian banyak kombinasi tersebut berjarak paling banyak 20 langkah dari sebuah solusi. Jadi pendekatan yang kami ambil di sini adalah mencoba dan memecahkan masalah dengan belajar melakukan setiap langkah tersebut secara individual.”

Teknik yang dirancang oleh Johnson didasarkan pada dua pendekatan utama: pembelajaran bertahap dan penggunaan jaringan saraf yang dalam. Ketika diterapkan pada kubus Rubik, teknik ini mencoba menguraikannya selangkah demi selangkah alih-alih belajar menyelesaikan seluruh kubus sekaligus. Dengan kata lain, ia mencoba menggeser bagian-bagiannya untuk mencapai konfigurasi yang lebih sederhana, mengulangi langkah ini beberapa kali, hingga kubus terpecahkan.

“Daripada program mencoba mempelajari cara memecahkan seluruh kubus, ia mempelajari cara membuatnya menjadi konfigurasi yang lebih sederhana, kemudian mengambil konfigurasi yang lebih sederhana, dan seterusnya hingga diselesaikan,” jelas Johnson. “Struktur ini berarti bahwa setiap langkah solusi jauh lebih mudah. ​​Jadi, pertama-tama saya menemukan metode yang dapat memperkirakan seberapa campur-aduknya kubus dengan mensimulasikan campur aduk kubus ribuan kali.”

Teknik pembelajaran mendalam untuk memecahkan kubus Rubik dan masalah lainnya selangkah demi selangkah

Aiagram menunjukkan bagaimana teknik deep learning yang dikembangkan oleh para peneliti memecahkan kubus Rubik. Ini dimulai dengan banyak salinan dari kubus yang diacak, kemudian menemukan beberapa versi yang disederhanakan, kemudian beberapa versi yang disederhanakan, dan seterusnya sampai menemukan solusi. Kemudian, ia bekerja kembali melalui ini untuk menemukan jalur solusi. Kredit: Colin G. Johnson.

Setelah memperkirakan betapa campur aduknya kubus Rubik, teknik yang dibuat oleh Johnson menggunakan jaringan saraf dalam untuk mengenali kubus yang satu langkah lagi dari penyelesaian, lalu dua langkah lagi dari penyelesaian, tiga, dan seterusnya. Akhirnya, ia menggunakan data yang telah dikumpulkannya untuk menyelesaikan kubus.

Johnson mengevaluasi teknik yang dia kembangkan dalam serangkaian eksperimen, membandingkannya dengan pendekatan yang dikembangkan sebelumnya berdasarkan kelas algoritme yang disebut pengklasifikasi hutan acak, dengan pendekatan dasar berdasarkan kesesuaian berbasis kesalahan tradisional dan dengan teknik komputasi lain yang ada. Teknik pembelajarannya yang mendalam dibandingkan dengan semua metode alternatif ini, sementara juga menyoroti keuntungan menangani tugas secara selangkah demi selangkah.

Sejauh ini, Johnson hanya menggunakan teknik pembelajaran bertahap ini untuk memecahkan kubus Rubik, tetapi juga dapat diterapkan pada berbagai masalah yang lebih kompleks yang dapat diselesaikan selangkah demi selangkah. Dengan kata lain, kubus Rubik hanyalah contoh sederhana dari jenis masalah yang dapat ditangani oleh teknik tersebut.

“Pikirkan tentang masalah seperti menghilangkan suara dari rekaman audio lama seperti silinder lilin atau rekaman fonograf awal,” kata Johnson. “Kita perlu menghilangkan berbagai jenis distorsi — gema, statis, kecepatan variabel — tetapi setiap rekaman membutuhkan strategi yang berbeda. Jika kita dapat mempelajari gagasan tentang ‘rekaman bersih,” rekaman yang sedikit terdistorsi, rekaman yang sedikit lebih terdistorsi ‘adalah, maka kita bisa, saya harap, menyelesaikan masalah semacam ini dengan cara yang bertahap. “

Di masa depan, teknik pembelajaran mendalam bertahap yang disajikan dalam makalah terbaru Johnson dapat digunakan untuk memecahkan berbagai masalah lain yang berakar pada sains dan teknik. Misalnya, ini dapat digunakan untuk mempelajari dan lebih memahami cara protein terlipat di dalam sel biologis.


Bagaimana kecerdasan buatan yang dapat dijelaskan dapat membantu manusia berinovasi


Informasi lebih lanjut:
Colin G. Johnson. Memecahkan kubus Rubik dengan pembelajaran mendalam bertahap, Sistem Pakar (2021). DOI: 10.1111 / exsy.12665

© 2021 Science X Network

Kutipan: Teknik pembelajaran mendalam untuk menyelesaikan kubus Rubik dan masalah lainnya selangkah demi selangkah (2021, 26 Februari) diakses 26 Februari 2021 dari https://techxplore.com/news/2021-02-deep-technique-rubik-cube- problem.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP