ایتنا- اطلاعات بازخوردی در سیستم‌های یادگیری ماشینی نقص به سزایی ایفا می‌کنند و هرچه بازخوردهای ارائه‌شده به آن‌ها بیشتر و دقیق‌تر باشد، یادگیری‌شان سریع‌تر و بهتر اتفاق خواهد افتاد. بااین‌حال انحصارگری این داده‌ها به دغدغه اصلی قانون‌گذاران تبدیل شده است.

اطلاعات بازخوردی در سیستم‌های یادگیری ماشینی، نقش به سزایی ایفا می‌کنند و هر چه بازخوردهای ارائه‌ شده به آنها بیشتر و دقیق‌تر باشد، یادگیری‌شان سریع‌تر و بهتر اتفاق خواهد افتاد.
با این‌ حال انحصارگری این داده‌ها به دغدغه اصلی قانون‌گذاران تبدیل شده است.

به گزارش ایتنا از رایورز به نقل از وب سایت خبری تحلیلی Engadget، بازخورد هسته فنی تمامی روش‌های کنترل خودکار ماشین‌ها است.
رابرت وینر، ریاضی‌دان آمریکایی، برای این فرمانشناسی‌ها در دهه 1940 بنیان‌های تئوریکی ویژه‌ای تعریف کرد. هر سیستم فنی می‌تواند بر اساس اهدافش از طریق داده بازخوردی کنترل شده و مجددا مسیردهی شود.
 
برخی از سیستم‌های فرمان‌شناسی اولیه را می‌توان در موشک‌های پدافندی خودکار ارتش آمریکا جست‌وجو کرد که پیش‌ از این سایت‌های بریتانیایی را در برابر موشک‌های کروز V-1 آلمانی‌ها محافظت می‌کرد. رادار موشک‌های آلمانی را تشخیص می‌داد، توپ‌های ضدهوایی را از موقعیت بمب در یک حلقه بازخورد مداوم آگاه کرد و مسیر پرواز آینده آن را محاسبه می‌کرد. توپ نیز هدف خود را بر اساس سیگنال‌های مداوم بازخوردی تنظیم می‌کردند و سپس در زمان مناسب به هدف شلیک می‌کردند.
در آخر جنگ این سیستم بریتانیایی‌ها و آمریکایی‌ها با دقتی 70 درصدی به موشک‌های هوایی شلیک می‌کردند.
 
خوشبختانه چرخه بازخورد به فراتر از نوآوری‌های ارتش نیز قدم گذاشت.
بدون این بازخوردها مأموریت‌های فضایی آپولو هیچ‌گاه انسان را به کره ماه نمی‌برد، هیچ هواپیمایی به‌طور امن بر فراز اقیانوس‌ها پرواز نمی‌کرد، هیچ پمپ تزریقی گازوئیل موردنیاز پیستون‌ها را در زمان مناسب تزریق نمی‌کرد و هیچ در آسانسوری با مشاهده پای انسان دوباره باز نمی‌شد؛ اما بازخوردها در هیچ زمینه‌ای به‌اندازه هوش مصنوعی موفق عمل نکردند و اهمیت آنها به حدی است که برخی متخصصان آن را ماده خام موردنیاز هوش‌های مصنوعی می‌دانند.