Zinātnieki izmantoja neiromorfisko skaitļošanu, lai pēc to izvietošanas roboti apgūtu jaunus objektus. Tiem, kas nezina, neiromorfā skaitļošana atkārto cilvēka smadzeņu neironu struktūru, lai izveidotu algoritmus, kas var tikt galā ar dabas pasaules nenoteiktību. Intel Labs ir izstrādājis vienu no ievērojamākajām arhitektūrām šajā jomā: Loihi neiromorfo mikroshēmu.
Loihi sastāv no aptuveni 130 XNUMX mākslīgo neironu, kas viens otram nosūta informāciju, izmantojot "spiking" neironu tīklu (SNN). Mikroshēmas jau ir veikušas virkni sistēmu, sākot no gudras mākslīgās ādas līdz elektroniskam "degunam", kas nosaka sprāgstvielu smakas.
Intel Labs šonedēļ atklāja citu programmu. Pētniecības vienība sadarbojās ar Itālijas Tehnoloģiju institūtu un Minhenes Tehnisko universitāti, lai ieviestu Loihi jaunā pieejā mūžizglītībai robotikā. Metode ir paredzēta sistēmām, kas mijiedarbojas ar neierobežotu vidi, piemēram, nākotnes robotu palīgiem veselības aprūpē un ražošanā.
Esošie dziļie neironu tīkli var cīnīties ar objektiem šajos scenārijos, jo tiem ir nepieciešami lieli, labi apmācīti apmācības dati un plaša pārkvalifikācija par jauniem objektiem, ar kuriem tie saskaras. Jaunas neiromorfiskas pieejas mērķis ir pārvarēt šos ierobežojumus.
Pētnieki pirmo reizi izmantoja SNN Loihi. Šī arhitektūra lokalizē mācīšanos vienā plastmasas sinapses slānī. Tas arī ņem vērā dažāda veida objektus, pievienojot jaunus neironus pēc pieprasījuma. Tā rezultātā, mijiedarbojoties ar lietotāju, mācību process norisinās autonomi.
Komanda pārbaudīja savu pieeju simulētā 3D vidē. Šajā iestatījumā robots aktīvi uztver objektus, pārvietojot kameru, kas darbojas kā acis. Kameras sensors "redz" objektus tādā veidā, ko iedvesmo mazas fiksējošas acu kustības, ko sauc par "mikrosakādēm". Ja objekts, ko tas redz, ir jauns, SNN attēlojums tiek apgūts vai atjaunināts. Ja objekts ir zināms, tīkls to atpazīst un sniedz lietotājam atgriezenisko saiti.
Komanda saka, ka viņu metodei ir nepieciešams 175 reizes mazāk enerģijas, lai nodrošinātu līdzīgu vai labāku ātrumu un precizitāti nekā parastajām uz CPU balstītajām metodēm. Tagad viņiem ir jāpārbauda savs algoritms reālajā pasaulē ar īstiem robotiem.
"Mūsu mērķis ir pielietot līdzīgas iespējas nākotnes robotiem, kas darbosies interaktīvā vidē, kas ļaus tiem pielāgoties neparedzētiem apstākļiem un dabiskāk strādāt kopā ar cilvēkiem," sacīja pētījuma vecākā autore Jūlija Sandamyrska.
Jūs varat palīdzēt Ukrainai cīnīties pret krievu iebrucējiem, labākais veids, kā to izdarīt, ir ziedot līdzekļus Ukrainas bruņotajiem spēkiem, izmantojot Savelife vai izmantojot oficiālo lapu NBU.
Interesanti arī:
- Google roboti kļūst arvien līdzīgāki cilvēkiem un veic sarežģītus uzdevumus
- Jaunais materiāls ļaus robotiem sajust pieskārienus