Các nhà khoa học đã sử dụng tính toán thần kinh để giữ cho robot học các đối tượng mới sau khi chúng được triển khai. Đối với những người chưa biết, tính toán thần kinh mô phỏng lại cấu trúc thần kinh của não người để tạo ra các thuật toán có thể đối phó với những bất ổn của thế giới tự nhiên. Intel Labs đã phát triển một trong những kiến trúc đáng chú ý nhất trong lĩnh vực này: chip thần kinh sinh học Loihi.
Loihi bao gồm khoảng 130 nơ-ron nhân tạo gửi thông tin cho nhau thông qua mạng nơ-ron “tăng đột biến” (SNN). Các con chip này đã cung cấp năng lượng cho một loạt hệ thống, từ da nhân tạo thông minh đến "mũi" điện tử phát hiện mùi chất nổ.
Intel Labs đã tiết lộ một chương trình khác trong tuần này. Đơn vị nghiên cứu đã hợp tác với Viện Công nghệ Ý và Đại học Kỹ thuật Munich để triển khai Loihi theo một cách tiếp cận mới để học tập suốt đời trong lĩnh vực robot. Phương pháp này nhằm vào các hệ thống tương tác với môi trường không bị ràng buộc, chẳng hạn như các trợ lý robot trong tương lai để chăm sóc sức khỏe và sản xuất.
Các mạng nơ-ron sâu hiện tại có thể gặp khó khăn với các đối tượng trong các tình huống này, vì chúng yêu cầu dữ liệu đào tạo lớn được đào tạo bài bản và đào tạo lại rộng rãi về các đối tượng mới mà chúng gặp phải. Một cách tiếp cận neuromorphic mới nhằm khắc phục những hạn chế này.
Các nhà nghiên cứu đã áp dụng SNN cho Loihi lần đầu tiên. Kiến trúc này bản địa hóa việc học thành một lớp khớp thần kinh dẻo. Nó cũng tính đến các loại đối tượng khác nhau, bổ sung các tế bào thần kinh mới theo yêu cầu. Kết quả là, quá trình học tập diễn ra một cách tự chủ khi tương tác với người dùng.
Nhóm đã thử nghiệm cách tiếp cận của họ trong môi trường 3D giả lập. Trong thiết lập này, robot chủ động cảm nhận các đối tượng bằng cách di chuyển một camera đóng vai trò là mắt. Cảm biến máy ảnh "nhìn thấy" các đối tượng theo cách lấy cảm hứng từ các chuyển động mắt cố định nhỏ được gọi là "kính hiển vi". Nếu đối tượng mà nó nhìn thấy là mới, thì biểu diễn SNN sẽ được học hoặc cập nhật. Nếu đối tượng được biết, mạng sẽ nhận ra nó và cung cấp phản hồi cho người dùng.
Nhóm nghiên cứu cho biết phương pháp của họ yêu cầu điện năng ít hơn 175 lần để cung cấp tốc độ và độ chính xác tương tự hoặc tốt hơn so với các phương pháp dựa trên CPU thông thường. Bây giờ họ cần thử nghiệm thuật toán của họ trong thế giới thực với các robot thực.
Tác giả cao cấp của nghiên cứu Yuliya Sandamyrska cho biết: “Mục tiêu của chúng tôi là áp dụng các khả năng tương tự cho các robot trong tương lai sẽ hoạt động trong môi trường tương tác, cho phép chúng thích nghi với các trường hợp không lường trước và làm việc tự nhiên hơn cùng với con người”.
Bạn có thể giúp Ukraine chiến đấu chống lại những kẻ xâm lược Nga, cách tốt nhất để làm điều này là quyên góp quỹ cho Lực lượng vũ trang Ukraine thông qua Cuộc sống tiết kiệm hoặc thông qua trang chính thức NBU.
Cũng thú vị:
- Robot của Google ngày càng giống con người hơn và thực hiện các nhiệm vụ phức tạp
- Vật liệu mới sẽ cho phép robot cảm nhận được