Gumamit ang mga siyentipiko ng neuromorphic computing upang panatilihing natututo ang mga robot ng mga bagong bagay pagkatapos na mai-deploy ang mga ito. Para sa mga hindi nakakaalam, ang neuromorphic computing ay kinokopya ang neural na istraktura ng utak ng tao upang lumikha ng mga algorithm na maaaring harapin ang mga kawalan ng katiyakan ng natural na mundo. Ang Intel Labs ay nakabuo ng isa sa mga pinakakilalang arkitektura sa larangan: ang Loihi neuromorphic chip.
Ang Loihi ay binubuo ng humigit-kumulang 130 mga artipisyal na neuron na nagpapadala ng impormasyon sa isa't isa sa pamamagitan ng isang "spiking" neural network (SNN). Ang mga chips ay nagpapagana na ng isang hanay ng mga sistema, mula sa matalinong artipisyal na balat hanggang sa isang elektronikong "ilong" na nakakakita ng mga amoy ng mga pampasabog.
Ang Intel Labs ay naglabas ng isa pang programa ngayong linggo. Nakipagtulungan ang unit ng pananaliksik sa Italian Institute of Technology at sa Technical University of Munich upang ipatupad ang Loihi sa isang bagong diskarte sa panghabambuhay na pag-aaral sa robotics. Ang pamamaraan ay naglalayong sa mga system na nakikipag-ugnayan sa mga walang hangganang kapaligiran, tulad ng mga hinaharap na robot assistant para sa pangangalagang pangkalusugan at pagmamanupaktura.
Ang mga kasalukuyang malalim na neural network ay maaaring makipagpunyagi sa mga bagay sa mga sitwasyong ito, dahil nangangailangan ang mga ito ng malaking mahusay na sinanay na data ng pagsasanay at malawak na muling pagsasanay sa mga bagong bagay na kanilang nararanasan. Ang isang bagong neuromorphic na diskarte ay naglalayong malampasan ang mga limitasyong ito.
Inilapat ng mga mananaliksik ang SNN kay Loihi sa unang pagkakataon. Ang arkitektura na ito ay naglo-localize ng pag-aaral sa isang solong layer ng mga plastic synapses. Isinasaalang-alang din nito ang iba't ibang uri ng mga bagay, pagdaragdag ng mga bagong neuron kapag hinihiling. Bilang resulta, ang proseso ng pag-aaral ay nagbubukas nang awtonomiya kapag nakikipag-ugnayan sa gumagamit.
Sinubukan ng koponan ang kanilang diskarte sa isang simulate na 3D na kapaligiran. Sa setup na ito, aktibong nakakaramdam ng mga bagay ang robot sa pamamagitan ng paggalaw ng camera na nagsisilbing mga mata. "Nakikita" ng sensor ng camera ang mga bagay sa paraang hango sa maliliit na paggalaw ng mata na tinatawag na "microsaccades." Kung ang bagay na nakikita nito ay bago, ang representasyon ng SNN ay natutunan o ina-update. Kung kilala ang bagay, kinikilala ito ng network at nagbibigay ng feedback sa user.
Sinabi ng koponan na ang kanilang pamamaraan ay nangangailangan ng 175 beses na mas kaunting kapangyarihan upang magbigay ng katulad o mas mahusay na bilis at katumpakan kaysa sa mga maginoo na pamamaraan na nakabatay sa CPU. Ngayon ay kailangan nilang subukan ang kanilang algorithm sa totoong mundo gamit ang mga totoong robot.
"Ang aming layunin ay maglapat ng mga katulad na kakayahan sa mga robot sa hinaharap na gagana sa isang interactive na kapaligiran, na magpapahintulot sa kanila na umangkop sa mga hindi inaasahang pangyayari at magtrabaho nang mas natural kasama ng mga tao," sabi ng senior author ng pag-aaral na si Yuliya Sandamyrska.
Maaari mong tulungan ang Ukraine na labanan ang mga mananakop na Ruso, ang pinakamahusay na paraan upang gawin ito ay mag-abuloy ng mga pondo sa Armed Forces of Ukraine sa pamamagitan ng Savelife o sa pamamagitan ng opisyal na pahina NBU.
Kawili-wili din:
- Ang mga robot ng Google ay nagiging katulad ng tao at nagsasagawa ng mga kumplikadong gawain
- Ang bagong materyal ay magbibigay-daan sa mga robot na makaramdam ng hawakan