بونگارد می گوید: “قبلاً مشخص شده است که برخی از بدنها یادگیری را تسریع می کنند.” “این کار نشان می دهد که هوش مصنوعی می تواند چنین اجسامی را جستجو کند.” آزمایشگاه بونگارد بدنهای ربات را توسعه داده است که با وظایف خاصی سازگار هستند ، مانند دادن روکش های پینه ای به پا برای کاهش سایش و پارگی. بونگارد می گوید ، گوپتا و همکارانش این ایده را گسترش می دهند. آنها نشان می دهند که بدن مناسب نیز می تواند تغییرات در مغز ربات را تسریع کند. “
گوپتا می گوید ، در نهایت ، این تکنیک می تواند دیدگاه ما در مورد ساخت روبات های فیزیکی را معکوس کند. به جای شروع کار با پیکربندی ثابت بدن و سپس آموزش ربات برای انجام یک کار خاص ، می توانید از DERL استفاده کنید تا اجازه دهید برنامه بهینه بدن برای آن کار تکامل یابد و سپس آن را بسازید.
افراد غیرمستقیم گوپتا بخشی از تغییر گسترده ای در نحوه تفکر محققان در مورد هوش مصنوعی است. به جای آموزش هوش مصنوعی در کارهای خاص ، مانند بازی Go یا تجزیه و تحلیل اسکن پزشکی ، محققان شروع به انداختن ربات ها در جعبه های ماسه ای مجازی-مانند POET ، عرصه پنهان کاری مجازی OpenAI و زمین بازی مجازی DeepMind-XLand-و دریافت آنها می کنند. برای یادگیری نحوه حل چندین وظیفه در تمرینات داژ دائماً در حال تغییر و باز. به جای تسلط بر یک چالش ، هوش مصنوعی که به این شیوه آموزش دیده است مهارت های عمومی را فرا می گیرد.
برای گوپتا ، کاوش فرم آزاد برای نسل بعدی هوش مصنوعی کلیدی خواهد بود. او می گوید: “ما برای ایجاد عوامل هوشمند به محیطهای باز و باز نیاز داریم.”