Tekoäly
Intel Labs Esittää Uuden Lähestymistavan Hermoverkko-Pohjaiseen Esineiden Oppimiseen
Intel Labsin tutkijat, yhteistyössä Italian teknologian instituutin ja Münchenin teknillisen yliopiston kanssa, ovat esittäneet uuden lähestymistavan hermoverkko-pohjaiseen esineiden oppimiseen. Uusi lähestymistapa kohdistuu tulevaisuuden robotti-sovelluksiin, kuten robottiavustajiin, jotka vuorovaikuttavat rajoittamattomissa ympäristöissä, jotka ovat läsnä tilanteissa, kuten logistiikassa ja terveydenhuollossa.
Uusi tutkimus voi osoittautua olennaiseksi parantamaan tulevien robottiemme palvelu- tai valmistuskykyä.
Tutkimusartikkeli, joka on nimeltään “Interactive continual learning for robots: a neuromorphic approach”, palkittiin parhaana artikkelina vuoden 2022 International Conference on Neuromorphic Systems (ICONS) -konferenssissa, jota isännöi Oak Ridge National Laboratory.
Esineiden Oppiminen ja Hermoverkko-Laskenta
Uudet ja interaktiiviset esineiden oppimismenetelmät käyttävät hermoverkko-laskentaa, jotta robotit voivat löytää uusia esineitä.
Tutkijaryhmä käytti uusia malleja interaktiivisen oppimisen demonstroimiseen Loihi-hermoverkko-piirillä, ja he saavuttivat jopa 175 kertaa alempaan virrankulutukseen uusien esineiden oppimisessa. He saavuttivat myös saman tai paremman nopeuden ja tarkin kuin perinteiset menetelmät, jotka suoritettiin CPU: llä.
Image: Intel Labs
Tutkijat pystyivät saavuttamaan tämän toteuttamalla hermoverkko-arkkitehtuurin Loihi-piirillä, mikä mahdollisti esineen oppimisen yhden muovautuvan synapsin kerroksen lokalisoimisen. Se myös huomioi eri esineiden näkymät palkkaamalla uusia hermosoluja tarpeen mukaan. Oppimisprosessi voitiin sitten suorittaa autonomisesti vuorovaikutuksen aikana käyttäjän kanssa.
Yulia Sandamirskaya on tutkimusartikkelin ensisijainen tekijä ja robotti-tutkimuksen johtaja Intelin hermoverkko-laskennan laboratoriossa.
”Kun ihminen oppii uuden esineen, hän katsoo sitä, kääntää sitä, kysyy mitä se on, ja sitten hän pystyy tunnistamaan sen uudelleen kaikissa tilanteissa ja olosuhteissa välittömästi,” Sandamirskaya sanoi. ”Tavoitteemme on soveltaa samanlaisia kykyjä tuleviin roboteihin, jotka toimivat interaktiivisissa ympäristöissä, mahdollistaen niiden sopeutumisen odottamattomiin tilanteisiin ja työskentelemään luonnollisemmin ihmisten rinnalla. Tuloksemme Loihi-piirillä vahvistavat hermoverkko-laskennan arvoa tulevaisuuden robotti-sovelluksissa.”
Image: Intel Labs
Intel Labsin Hermoverkko-Laskennan Tutkimus
Intel Labs on johtava hermoverkko-laskennan tutkimuksen alalla, työskentelemällä ”auttamaan hermoverkko-laskennan tavoitetta, joka on mahdollistaa seuraavan sukupolven älykkäät laitteet ja autonomiset järjestelmät.”
Hermoverkko-laskenta perustuu biologisen hermo-laskennan periaatteisiin, ja se käyttää uusia algoritmisia lähestymistapoja jäljitelläkseen ihmisaivoja ja niiden vuorovaikutusta maailman kanssa.
Hermoverkko-laskennan innovatiivinen arkkitehtoninen lähestymistapa tulee olemaan vastuussa tulevien autonomisten AI-ratkaisujen voimakkaasta, joissa tarvitaan sekä energiatehokkuutta että jatkuvaista oppimista. Sitä sovelletaan jo useilla aloilla, kuten robotiikassa, anturitekniikassa, terveydenhuollossa ja laajamittaisissa AI-sovelluksissa.
