محققان MIT ثابت کرده‌اند که نوع خاصی از شبکه‌های عصبی قابلیت یادگیری ساختار تصادفی و واقعی کاری را دارند که برای انجام آن آموزش دیده است. این تحقیقات روی شبکه‌های عصبی مختص جهت‌یابی صورت گرفته‌اند و به‌گونه‌ای طراحی شده‌اند تا بتوانند اتومبیل بدون سرنشین را در جاده برانند یا مسئولیت جهت‌یابی پهبادها را بر عهده بگیرند. هدف این است که وقتی یک شبکه عصبی آموزش داده می‌شود، نمی‌توان به طور قطعی اطمینان حاصل کرد که مدل ساخته شده آیا محدوده جاده را خط کشی‌های روی آسفالت در نظر گرفته است یا بر اساس بوته‌های اطراف جاده عمل می‌کند. اگر الگوریتم داده‌های اشتباهی را برای آموزش انتخاب کرده باشد، در صورت تغییر محیط، امکان انجام وظیفه محوله را نخواهد داشت.
یک سیستم یادگیری عمیق (Deep Learning) با اقتباس از مغز انسان که برپایه چنین شبکه‌هایی ساخته شده است نتیجه یکسانی را نسبت به الگوریتم‌های استاندارد تحت شرایط استاندارد از خود نشان داده است. اما برخلاف شبکه‌های عصبی رایج، این سیستم جدید تحت شرایط مختلفی مثل جهت‌یابی در مه، باران شدید یا سایر تغییرات آب و هوایی به خوبی عمل می‌کند.
منبع: مجله فرادرس
