Эрдэмтэд роботуудыг байрлуулсны дараа шинэ объектуудыг сурахын тулд нейроморфик тооцооллыг ашигласан. Мэдэхгүй хүмүүсийн хувьд нейроморфик тооцоолол нь хүний тархины мэдрэлийн бүтцийг хуулбарлаж, байгалийн ертөнцийн тодорхойгүй байдлыг даван туулах алгоритмуудыг бий болгодог. Intel Labs нь энэ салбарт хамгийн алдартай архитектуруудын нэг болох Loihi neuromorphic чипийг боловсруулсан.
Лоихи нь 130 орчим хиймэл мэдрэлийн эсүүдээс бүрддэг бөгөөд энэ нь "спикер" мэдрэлийн сүлжээ (SNN) -ээр дамжуулан бие биедээ мэдээлэл илгээдэг. Уг чипүүд нь ухаалаг хиймэл арьсаас эхлээд тэсрэх бодисын үнэрийг илрүүлдэг электрон "хамар" хүртэлх олон төрлийн системийг аль хэдийн ажиллуулсан байна.
Intel Labs энэ долоо хоногт өөр нэг програмыг танилцууллаа. Судалгааны хэсэг нь Италийн Технологийн Хүрээлэн болон Мюнхений Техникийн Их Сургуультай хамтран Лойхиг робот техникийн насан туршийн суралцах шинэ арга барилд нэвтрүүлсэн. Энэхүү арга нь эрүүл мэнд, үйлдвэрлэлийн ирээдүйн робот туслахууд гэх мэт хязгааргүй орчинтой харьцдаг системүүдэд чиглэгддэг.
Одоо байгаа гүн мэдрэлийн сүлжээнүүд нь эдгээр хувилбаруудын объектуудтай тулалдаж болно, учир нь тэд маш сайн бэлтгэгдсэн сургалтын өгөгдөл, тулгарч буй шинэ объектууд дээр өргөн хүрээтэй давтан сургах шаардлагатай байдаг. Шинэ нейроморфик арга нь эдгээр хязгаарлалтыг даван туулах зорилготой юм.
Судлаачид анх удаа Loihi-д SNN хэрэглэжээ. Энэхүү архитектур нь суралцах үйл явцыг хуванцар синапсуудын нэг давхаргад шилжүүлдэг. Энэ нь мөн өөр өөр төрлийн объектуудыг харгалзан үзэж, эрэлт хэрэгцээнд шинэ нейрон нэмж өгдөг. Үүний үр дүнд суралцах үйл явц нь хэрэглэгчтэй харилцах үед бие даан хөгждөг.
Багийнхан өөрсдийн арга барилыг загварчилсан 3D орчинд туршиж үзсэн. Энэхүү тохиргоонд робот нь нүдний үүрэг гүйцэтгэдэг камерыг хөдөлгөж объектыг идэвхтэй мэдэрдэг. Камерын мэдрэгч нь "микросаккад" гэж нэрлэгддэг нүдний жижиг хөдөлгөөнөөс өдөөгдсөн байдлаар объектуудыг "хардаг". Хэрэв түүний харж буй объект шинэ бол SNN дүрслэлийг сурч эсвэл шинэчилнэ. Хэрэв объект нь мэдэгдэж байгаа бол сүлжээ нь түүнийг таньж, хэрэглэгчдэд санал хүсэлтийг өгдөг.
Тэдний арга нь CPU дээр суурилсан ердийн аргуудаас ижил төстэй эсвэл илүү сайн хурд, нарийвчлалыг хангахын тулд 175 дахин бага эрчим хүч шаарддаг гэж багийнхан хэлэв. Одоо тэд алгоритмаа бодит ертөнцөд бодит роботоор туршиж үзэх хэрэгтэй.
Судалгааны ахлах зохиолч Юлия Сандамырска "Бидний зорилго бол ирээдүйн роботуудад урьдчилан таамаглаагүй нөхцөл байдалд дасан зохицож, байгалийн жам ёсоор хамтран ажиллах боломжийг интерактив орчинд ашиглах явдал юм" гэж хэлэв.
Та Украинд Оросын түрэмгийлэгчдийн эсрэг тэмцэхэд тусалж чадна, үүнийг хийх хамгийн сайн арга бол Украины Зэвсэгт хүчинд хандивлах явдал юм. Амьдралыг аврах эсвэл албан ёсны хуудсаар дамжуулан NBU.
Мөн сонирхолтой:
- Google-ийн роботууд улам бүр хүн шиг болж, нарийн төвөгтэй ажлуудыг гүйцэтгэдэг
- Шинэ материал нь роботуудад хүрэлцэх мэдрэмжийг мэдрэх боломжийг олгоно