MIT算法创建了新的机器学习模型，不需要数据聚合
麻省理工学院(MIT)信息与决策系统实验室(Laboratory for Information and Decision Systems)的研究人员提出了一种算法，允许独立的代理(例如机器人)集体开发一个机器学习模型，而不需要数据聚合。机器学习是指计算机通过在训练数据中寻找模式来学习新的能力，这是大多数自主机器人用来建立其周围环境模型的技术。这组研究人员将在2014年7月23日至27日举行的“2014人工智能不确定性会议”上展示他们的研究成果。
在他们的实验中，该团队的分布式算法比一种基于存储在单一位置的数据的标准算法表现更好。他们制定了一种算法，让机器人在探索一座建筑时收集数据并分别进行分析。当一对对机器人穿过路径时，它们可以交换分析，从而构建出更完整的环境图。这篇论文的作者特雷弗•坎贝尔(Trevor Campbell)表示，“如果更小的数据块首先由单个机器人处理，然后组合起来，最终的模型就不太可能陷入糟糕的解决方案。”
这种分布式算法的应用超越了机器人学习的范畴，可能会对我们如何处理网络上的大数据产生重大影响。
