Ғалымдар роботтарды орналастырудан кейін жаңа объектілерді үйрену үшін нейроморфтық есептеулерді пайдаланды. Білмейтіндер үшін нейроморфтық есептеулер адам миының нейрондық құрылымын қайталайды және табиғи әлемнің белгісіздіктерін шеше алатын алгоритмдер жасайды. Intel Labs осы саладағы ең көрнекті архитектуралардың бірін жасады: Loihi нейроморфтық чипі.
Лоихи 130 XNUMX-ға жуық жасанды нейрондардан тұрады, олар бір-біріне ақпаратты «ұшқыр» нейрондық желі (SNN) арқылы жібереді. Чиптер қазірдің өзінде ақылды жасанды теріден жарылғыш заттардың иісін анықтайтын электронды «мұрынға» дейін көптеген жүйелерді қуаттандырды.
Intel Labs осы аптада тағы бір бағдарламаны таныстырды. Зерттеу бөлімі Лоихиді робототехникада өмір бойы оқытуға жаңа көзқараста енгізу үшін Италияның технологиялық институтымен және Мюнхен техникалық университетімен бірігіп жұмыс істеді. Әдіс денсаулық сақтау және өндіріске арналған болашақ робот көмекшілері сияқты шексіз орталармен әрекеттесетін жүйелерге бағытталған.
Қолданыстағы терең нейрондық желілер осы сценарийлердегі нысандармен күресуі мүмкін, өйткені олар жақсы дайындалған үлкен оқу деректерін және кездесетін жаңа нысандар бойынша ауқымды қайта даярлауды қажет етеді. Жаңа нейроморфтық тәсіл осы шектеулерді жеңуге бағытталған.
Зерттеушілер SNN-ді бірінші рет Лоихиге қолданды. Бұл архитектура оқуды пластикалық синапстардың бір қабатына локализациялайды. Ол сондай-ақ сұраныс бойынша жаңа нейрондарды қоса отырып, нысандардың әртүрлі түрлерін ескереді. Нәтижесінде, оқу процесі пайдаланушымен өзара әрекеттесу кезінде автономды түрде дамиды.
Команда имитацияланған 3D ортасында өз амалдарын сынады. Бұл орнатуда робот көз ретінде әрекет ететін камераны жылжыту арқылы нысандарды белсенді түрде сезінеді. Камера сенсоры нысандарды «микросаккадтар» деп аталатын шағын бекітуші көз қозғалыстарынан шабыттандыратын жолмен «көреді». Егер ол көретін нысан жаңа болса, SNN көрінісі үйренеді немесе жаңартылады. Егер объект белгілі болса, желі оны таниды және пайдаланушыға кері байланыс береді.
Команда олардың әдісі әдеттегі процессорға негізделген әдістерге қарағанда ұқсас немесе жақсырақ жылдамдық пен дәлдікті қамтамасыз ету үшін 175 есе аз қуатты қажет етеді дейді. Енді олар өз алгоритмін нақты роботтармен нақты әлемде сынап көруі керек.
«Біздің мақсатымыз – күтпеген жағдайларға бейімделуге және адамдармен табиғи түрде бірлесіп жұмыс істеуге мүмкіндік беретін интерактивті ортада жұмыс істейтін болашақ роботтарға ұқсас мүмкіндіктерді қолдану», - деді зерттеудің аға авторы Юлия Сандамырска.
Сіз Украинаға ресейлік басқыншылармен күресуге көмектесе аласыз, мұны істеудің ең жақсы жолы - Украина Қарулы Күштеріне қаражат беру Lifelife немесе ресми парақшасы арқылы NBU.
Сондай-ақ қызықты:
- Google роботтары барған сайын адамға ұқсап, күрделі тапсырмаларды орындауда
- Жаңа материал роботтарға жанасуды сезінуге мүмкіндік береді