Shkencëtarët përdorën llogaritjen neuromorfike për t'i mbajtur robotët të mësonin objekte të reja pasi ato të vendoseshin. Për ata që nuk e dinë, llogaritja neuromorfike përsërit strukturën nervore të trurit të njeriut për të krijuar algoritme që mund të merren me pasiguritë e botës natyrore. Intel Labs ka zhvilluar një nga arkitekturat më të dukshme në këtë fushë: çipin neuromorfik Loihi.
Loihi përbëhet nga afërsisht 130 neurone artificiale që dërgojnë informacion tek njëri-tjetri përmes një rrjeti nervor "spiking" (SNN). Çipat tashmë kanë fuqizuar një sërë sistemesh, nga lëkura artificiale e zgjuar deri te një "hundë" elektronike që zbulon erën e eksplozivëve.
Intel Labs zbuloi një program tjetër këtë javë. Njësia kërkimore u bashkua me Institutin Italian të Teknologjisë dhe Universitetin Teknik të Mynihut për të zbatuar Loihi në një qasje të re për të mësuarit gjatë gjithë jetës në robotikë. Metoda synon sistemet që ndërveprojnë me mjedise të pakufizuara, siç janë asistentët e ardhshëm të robotëve për kujdesin shëndetësor dhe prodhim.
Rrjetet nervore të thella ekzistuese mund të luftojnë me objektet në këta skenarë, pasi ato kërkojnë të dhëna të mëdha trajnimi të trajnuara mirë dhe rikualifikim të gjerë për objektet e reja që hasin. Një qasje e re neuromorfike synon të kapërcejë këto kufizime.
Studiuesit aplikuan SNN për Loihi për herë të parë. Kjo arkitekturë e lokalizon mësimin në një shtresë të vetme sinapse plastike. Ai gjithashtu merr parasysh lloje të ndryshme objektesh, duke shtuar neurone të reja sipas kërkesës. Si rezultat, procesi i të mësuarit shpaloset në mënyrë autonome kur ndërvepron me përdoruesin.
Ekipi testoi qasjen e tyre në një mjedis të simuluar 3D. Në këtë konfigurim, roboti ndjen në mënyrë aktive objektet duke lëvizur një kamerë që vepron si sy. Sensori i kamerës “sheh” objektet në një mënyrë të frymëzuar nga lëvizjet e vogla fiksuese të syve të quajtura “mikrosakada”. Nëse objekti që sheh është i ri, përfaqësimi SNN mësohet ose përditësohet. Nëse objekti është i njohur, rrjeti e njeh atë dhe i jep përdoruesit feedback.
Ekipi thotë se metoda e tyre kërkon 175 herë më pak energji për të siguruar shpejtësi dhe saktësi të ngjashme ose më të mirë se metodat konvencionale të bazuara në CPU. Tani ata duhet të testojnë algoritmin e tyre në botën reale me robotë të vërtetë.
“Qëllimi ynë është të aplikojmë aftësi të ngjashme për robotët e ardhshëm që do të punojnë në një mjedis interaktiv, gjë që do t'i lejojë ata të përshtaten me rrethana të paparashikuara dhe të punojnë më natyrshëm së bashku me njerëzit,” tha autorja e vjetër e studimit Yuliya Sandamyrska.
Ju mund ta ndihmoni Ukrainën të luftojë kundër pushtuesve rusë, mënyra më e mirë për ta bërë këtë është të dhuroni fonde për Forcat e Armatosura të Ukrainës përmes Savelife ose përmes faqes zyrtare NBU.
Gjithashtu interesante:
- Robotët e Google po bëhen gjithnjë e më shumë si njeriu dhe kryejnë detyra komplekse
- Materiali i ri do t'i lejojë robotët të ndiejnë prekje