მეცნიერებმა გამოიყენეს ნეირომორფული გამოთვლები, რათა რობოტებმა ახალი ობიექტების შესწავლა განახორციელონ მათი განლაგების შემდეგ. მათთვის, ვინც არ იცის, ნეირომორფული გამოთვლა იმეორებს ადამიანის ტვინის ნერვულ სტრუქტურას, რათა შექმნას ალგორითმები, რომლებსაც შეუძლიათ გაუმკლავდნენ ბუნებრივი სამყაროს გაურკვევლობას. Intel Labs-მა შეიმუშავა ერთ-ერთი ყველაზე თვალსაჩინო არქიტექტურა ამ სფეროში: Loihi ნეირომორფული ჩიპი.
Loihi შედგება დაახლოებით 130 ხელოვნური ნეირონისგან, რომლებიც ერთმანეთს უგზავნიან ინფორმაციას "spiking" ნერვული ქსელის (SNN) მეშვეობით. ჩიპებმა უკვე გამოიყენეს მთელი რიგი სისტემები, ჭკვიანი ხელოვნური კანიდან ელექტრონულ „ცხვირამდე“, რომელიც ასაფეთქებელი ნივთიერებების სუნს ამოიცნობს.
Intel Labs-მა კიდევ ერთი პროგრამა წარადგინა ამ კვირაში. კვლევის განყოფილება გაერთიანდა იტალიის ტექნოლოგიურ ინსტიტუტთან და მიუნხენის ტექნიკურ უნივერსიტეტთან, რათა დაენერგა Loihi რობოტიკაში უწყვეტი სწავლის ახალ მიდგომაში. მეთოდი მიზნად ისახავს სისტემებს, რომლებიც ურთიერთქმედებენ შეუზღუდავ გარემოსთან, როგორიცაა მომავალი რობოტების ასისტენტები ჯანდაცვისა და წარმოებისთვის.
არსებულ ღრმა ნერვულ ქსელებს შეუძლიათ ამ სცენარებში ობიექტებთან ბრძოლა, რადგან ისინი საჭიროებენ დიდ კარგად გაწვრთნილ სასწავლო მონაცემებს და ფართო გადამზადებას ახალ ობიექტებზე, რომლებსაც ისინი ხვდებიან. ახალი ნეირომორფული მიდგომა მიზნად ისახავს ამ შეზღუდვების დაძლევას.
მკვლევარებმა პირველად გამოიყენეს SNN Loihi-ზე. ეს არქიტექტურა სწავლის ლოკალიზებას ახდენს პლასტიკური სინაფსების ერთ ფენაზე. ის ასევე ითვალისწინებს სხვადასხვა ტიპის ობიექტებს, საჭიროების შემთხვევაში ამატებს ახალ ნეირონებს. შედეგად, სწავლის პროცესი დამოუკიდებლად ვითარდება მომხმარებელთან ურთიერთობისას.
გუნდმა გამოსცადა მათი მიდგომა სიმულაციურ 3D გარემოში. ამ პარამეტრში, რობოტი აქტიურად გრძნობს ობიექტებს კამერის გადაადგილებით, რომელიც მოქმედებს როგორც თვალები. კამერის სენსორი „ხედავს“ ობიექტებს ისე, რომ შთაგონებულია თვალის მცირე ფიქსაციული მოძრაობებით, სახელწოდებით „მიკროსაკადები“. თუ ობიექტი, რომელსაც ის ხედავს, ახალია, SNN წარმოდგენა შეისწავლება ან განახლდება. თუ ობიექტი ცნობილია, ქსელი ცნობს მას და უკუკავშირს აძლევს მომხმარებელს.
გუნდი ამბობს, რომ მათი მეთოდი მოითხოვს 175-ჯერ ნაკლებ ენერგიას მსგავსი ან უკეთესი სიჩქარისა და სიზუსტის უზრუნველსაყოფად, ვიდრე ჩვეულებრივი CPU-ზე დაფუძნებული მეთოდები. ახლა მათ უნდა გამოსცადონ თავიანთი ალგორითმი რეალურ სამყაროში რეალური რობოტებით.
„ჩვენი მიზანია გამოვიყენოთ მსგავსი შესაძლებლობები მომავალ რობოტებზე, რომლებიც იმუშავებენ ინტერაქტიულ გარემოში, რაც მათ საშუალებას მისცემს შეეგუონ გაუთვალისწინებელ გარემოებებს და უფრო ბუნებრივად იმუშაონ ადამიანებთან ერთად“, - თქვა კვლევის უფროსმა ავტორმა იულია სანდამირსკამ.
თქვენ შეგიძლიათ დაეხმაროთ უკრაინას რუსი დამპყრობლების წინააღმდეგ ბრძოლაში, ამის საუკეთესო გზაა უკრაინის შეიარაღებული ძალებისთვის თანხების გაცემა. Savelife ან ოფიციალური გვერდის საშუალებით NBU.
ასევე საინტერესოა:
- Google-ის რობოტები სულ უფრო და უფრო ემსგავსებიან ადამიანს და ასრულებენ რთულ დავალებებს
- ახალი მასალა რობოტებს შეხების შეგრძნების საშუალებას მისცემს