인텔 랩스, 신경 네트워크 기반 객체 학습에 새로운 접근법 도입

인텔 랩스 연구자들은 이탈리아 기술 연구소와 뮌헨 공과 대학과의 협력을 통해 신경 네트워크 기반 객체 학습에 새로운 접근법을 도입했습니다. 이 새로운 접근법은 로봇 공학 응용 분야에서 특히 중요합니다. 예를 들어 로봇 보조원이 제한되지 않은 환경과 상호 작용하는 상황에서 로그인 및 헬스케어와 같은 분야에서 사용됩니다.

이 새로운 연구는 미래 로봇의 서비스 또는 제조 능력을 향상시키는 데 중요한 역할을 할 수 있습니다.

연구 논문 “로봇을 위한 상호 작용 연속 학습: 신경 형태 학습 접근법“은 2022년 오크 리지 국립 연구소에서 주최한 2022년 신경 형태 시스템 국제 회의에서 “최우수 논문”으로 선정되었습니다.

객체 학습 및 신경 형태 계산

신규 및 상호 작용 객체 학습 방법은 로봇이 새로운 객체를 발견할 수 있도록 신경 형태 계산을 사용합니다.

연구자들은 새로운 모델을 사용하여 로이히 신경 형태 칩에서 상호 작용 학습을 시연했으며, 새로운 객체 인스턴스를 학습할 때 최대 175배 낮은 전력 소비를 달성했습니다. 또한 CPU에서 실행되는 전통적인 방법과 비교하여 유사하거나 더 나은 속도와 정확도를 달성했습니다.

이미지: 인텔 랩스

연구자들은 로이히에서 스파이킹 신경 네트워크 아키텍처를 구현함으로써 이를 달성했습니다. 이는 단일 레이어의 가소성 시냅스를 통해 객체 학습을 지역화하는 것이 가능했습니다. 또한 객체의 다양한 뷰를 처리하기 위해 필요에 따라 새로운 뉴런을 모집했습니다. 학습 과정은 사용자와 상호 작용하면서 자율적으로 진행할 수 있었습니다.

율리아 산다미르스카야는 논문의 선임 저자이며 인텔의 신경 형태 컴퓨팅 연구소의 로봇 연구 책임자입니다.

산다미르스카야는 “인간이 새로운 객체를 학습할 때, 그들은 그것을 nhìn고, 돌아보고, 무엇인지 묻고, 그러면 다양한 환경과 조건에서 즉시 다시 인식할 수 있습니다”라고 말했습니다. “우리의 목표는 tương lai 로봇이 상호 작용하는 환경에서 유사한 능력을 적용하는 것입니다. 로이히와의 결과는 로봇의 미래를 위한 신경 형태 컴퓨팅의 가치를 강조합니다.”

이미지: 인텔 랩스

인텔 랩스 신경 형태 컴퓨팅 연구

인텔 랩스는 신경 형태 컴퓨팅 연구 분야에서 선도적인 역할을 하고 있으며, “다음 세대의 지능형 장치 및 자율 시스템을 가능하게 하는 신경 형태 컴퓨팅의 목표를 실현하는 데 도움”을 주기 위해 노력하고 있습니다.

신경 형태 컴퓨팅은 생물학적 신경 계산의 원리를 따르며, 인간의 뇌와 그것이 세계와 상호 작용하는 방식을 모방하기 위한 새로운 알고리즘 접근 방식을 사용합니다.

신경 형태 컴퓨팅의 혁신적인 아키텍처 접근 방식은 에너지 효율성과 연속 학습이 필요한 미래의 자율적 인공지능 솔루션을 구동할 책임을 지게 될 것입니다. 이미 로봇 공학, 센서, 헬스케어, 대규모 인공지능 응용 분야와 같은 다양한 분야에서 적용되고 있습니다.