训练狗不是一个复杂的过程，它只需要重复和积极的反馈。但这是一个耗时的过程，有时会让宠物主人感到沮丧。没有捷径可走，但科罗拉多州立大学的研究人员创造了一种人工智能设备，可以识别狗何时服从命令并给予奖励。

有充分的理由担心通过机器学习过程创建的人工智能的快速发展和改进，例如越来越难以识别为假的深度伪造的出现。但这项技术并不全是厄运和悲观。它还被用于自动化耗时的过程，例如将视频游戏角色编程为更像真人，使机器人更擅长导航房屋，甚至升级旧镜头的质量，使其在 4K 电视上看起来很壮观。

任何最近经历过训练一只新小狗的过程(一路上牺牲了无数拖鞋)的人都知道，坚持不懈是关键，但是当你经常被留下的惊喜分心时，保持例行公事和定期奖励系统并不容易地毯。自动零食分配器已经存在，但他们要求奖励的唯一标准是狗用鼻子或爪子按下按钮。因此，科罗拉多州立大学的两名计算机科学研究生 Jason Stock 和 Tom Cavey 发明了一种围绕 Nvidia 的 Jetson Nano AI 平台构建的更智能的零食分配器。

当伺服器将塑料卡移开时，会释放一个装满零食的塑料管，分配器本身看起来并不特别出色，甚至不那么聪明。但在最近发表的一篇论文中，研究人员解释了他们如何使用来自斯坦福大学的 20,000 多张包含 120 个不同品种的狗图像的数据集来训练为分配器提供动力的人工智能。在煞费苦心地将图像集标记为四种观察到的行为——坐着、站立、躺下和未定义(没有清楚地显示任何所需动作的图像)之后——图像被进一步处理以获得一致的大小，甚至水平翻转以改变狗的方向和人为增加图像数据库的大小

然后，这些图像被用于使用一对价值 4,000 美元(5,154 美元)的 Nvidia RTX 6000 GPU 训练 AI 模型，每个 GPU 都有 24GB 的 RAM，能够在一夜之间处理所有数据。当上传到能够以每秒 40 帧的速度处理来自内置摄像头的实时图像的分配器时(在名为 Henry 的澳大利亚牧羊犬身上进行了测试)，模型和机器能够正确识别大约 92 只狗的请求行为%的时间，相应地奖励它。

在目前的形式中，人工智能驱动的分配器的创造者将其更多地视为训练师的辅助工具，而不是用于自动训练狗的独立工具。它不发出任何口头命令，它只是评估狗的反应并决定是否在训练师的命令后执行了正确的动作。但是有很大的潜力可以将这项研究转化为一种消费者就绪型产品，可以帮助狗学习基本命令，或者在主人外出工作时全天远程加强训练。