Alimlər robotların yerləşdirildikdən sonra yeni obyektləri öyrənmələrini təmin etmək üçün neyromorfik hesablamalardan istifadə etdilər. Bilməyənlər üçün neyromorfik hesablama təbii dünyanın qeyri-müəyyənlikləri ilə məşğul ola biləcək alqoritmlər yaratmaq üçün insan beyninin sinir strukturunu təkrarlayır. Intel Labs bu sahədə ən diqqətəlayiq arxitekturalardan birini işləyib hazırlayıb: Loihi neyromorfik çipi.
Loihi təxminən 130 süni neyrondan ibarətdir ki, onlar bir-birinə “spiking” neyron şəbəkəsi (SNN) vasitəsilə məlumat göndərirlər. Çiplər artıq ağıllı süni dəridən tutmuş partlayıcı maddələrin qoxusunu aşkar edən elektron “burun”a qədər bir sıra sistemləri gücləndirib.
Intel Labs bu həftə daha bir proqramı təqdim etdi. Tədqiqat bölməsi Loihi-ni robototexnika sahəsində ömür boyu öyrənməyə yeni yanaşmada tətbiq etmək üçün İtaliya Texnologiya İnstitutu və Münhen Texniki Universiteti ilə birləşdi. Metod sağlamlıq və istehsalat üçün gələcək robot köməkçiləri kimi qeyri-məhdud mühitlərlə qarşılıqlı əlaqədə olan sistemlərə yönəlib.
Mövcud dərin neyron şəbəkələri bu ssenarilərdə obyektlərlə mübarizə apara bilər, çünki onlar yaxşı öyrədilmiş böyük təlim məlumatları və qarşılaşdıqları yeni obyektlər üzrə geniş yenidən hazırlıq tələb edir. Yeni neyromorfik yanaşma bu məhdudiyyətləri aradan qaldırmağı hədəfləyir.
Tədqiqatçılar SNN-i ilk dəfə Loihiyə tətbiq ediblər. Bu arxitektura öyrənməni plastik sinapsların bir qatında lokallaşdırır. O, həmçinin tələb olunan yeni neyronları əlavə edərək, müxtəlif növ obyektləri nəzərə alır. Nəticədə, istifadəçi ilə qarşılıqlı əlaqə zamanı öyrənmə prosesi avtonom şəkildə inkişaf edir.
Komanda öz yanaşmalarını simulyasiya edilmiş 3D mühitində sınaqdan keçirib. Bu quraşdırmada robot göz rolunu oynayan kameranı hərəkət etdirərək obyektləri aktiv şəkildə hiss edir. Kamera sensoru obyektləri "mikrosakadlar" adlanan kiçik fiksasiyaedici göz hərəkətlərindən ilhamlanmış şəkildə "görür". Gördüyü obyekt yenidirsə, SNN təqdimatı öyrənilir və ya yenilənir. Əgər obyekt məlumdursa, şəbəkə onu tanıyır və istifadəçiyə rəy verir.
Komanda deyir ki, onların metodu ənənəvi CPU əsaslı metodlardan oxşar və ya daha yaxşı sürət və dəqiqlik təmin etmək üçün 175 dəfə az güc tələb edir. İndi onlar alqoritmlərini real dünyada real robotlarla sınaqdan keçirməlidirlər.
"Məqsədimiz oxşar imkanları gələcək robotlara tətbiq etməkdir ki, onlar gözlənilməz şəraitlərə uyğunlaşmağa və insanlarla birlikdə daha təbii işləməyə imkan verəcək" - tədqiqatın baş müəllifi Yuliya Sandamyrska deyib.
Siz Ukraynaya rus işğalçılarına qarşı mübarizədə kömək edə bilərsiniz, bunun üçün ən yaxşı yol Ukrayna Silahlı Qüvvələrinə pul köçürməkdir. Savelife və ya rəsmi səhifə vasitəsilə NBU.
Həmçinin maraqlıdır:
- Google-un robotları getdikcə daha çox insana bənzəyir və mürəkkəb tapşırıqları yerinə yetirir
- Yeni material robotlara toxunma hiss etməyə imkan verəcək