人工智能和机器学习的全新研究角度

位居全球专业排行榜前200的埃塞克斯计算机科学与电子工程学院

计算机科学家已发现人工智能和机器学习的新角度：

使机器人比以往拥有更强的适应力(THE 2020)

专家们使用SoCodeCNN的方法，在人工智能的重要领域之间搭建桥梁，

为机器人提供了一种前所未有探索新型人工智能的形式，也进一步提高了机器人智能化。

这项研究是埃塞克斯大学在耗资4200万英镑的英国国家核心机器人研究中心（NCNR）中的最新科研成果，

并已在顶级学术出版期刊IEEE Access中被列为最受欢迎的论文。

人工智能世界中的两个非常重要但不相交的领域：

自然语言处理（NLP）和使用卷积神经网络（CNN）的计算机视觉或视觉卷积神经网络。

它们可以让计算机学会如何查找和识别文本/图片中的样式。

SoCodeCNN方法将弥补这两个领域的差距，即使无法读取或编写程序，它也可以通过使用其视觉特性来分析程序。

Klaus McDonald-Maier教授领先的团队主攻：研究新方法来增强电子系统硬件的适应性和软件的抗辐射能力。

本学院的NCNR团队也正在进行新机器人的视觉算法研究，相关技术应用于实现核环境中的定位、制图和感知能力。

清理英国490万吨核废料是整个欧洲最庞大、最复杂的环境修复任务。

因为这些材料对人类来说异常危险，因此机器人必须在这项工作中担以重任。

与其他常规工业机器人相比，参与核去污任务的机器人必须更加先进、更具适应性并且更加节能。

埃塞克斯大学最新科研成果表明：机器人现在可以通过分析其被编写的代码来传送并运用它来改善和调整自身的功能。

举例来说，机器人可以做出更好的节能决策，让它的工作电池有更长的续航时间。

因此，当机器人被送入类似放射性的极端环境中时可以持续更长的工作时间。