रोबोटों को तैनात किए जाने के बाद नई वस्तुओं को सीखने के लिए वैज्ञानिकों ने न्यूरोमॉर्फिक कंप्यूटिंग का इस्तेमाल किया। जो लोग नहीं जानते हैं, उनके लिए न्यूरोमॉर्फिक कंप्यूटिंग मानव मस्तिष्क की तंत्रिका संरचना को एल्गोरिदम बनाने के लिए दोहराती है जो प्राकृतिक दुनिया की अनिश्चितताओं से निपट सकती है। इंटेल लैब्स ने इस क्षेत्र में सबसे उल्लेखनीय आर्किटेक्चर में से एक विकसित किया है: लोही न्यूरोमोर्फिक चिप।
लोही में लगभग 130 कृत्रिम न्यूरॉन्स होते हैं जो एक "स्पाइकिंग" तंत्रिका नेटवर्क (एसएनएन) के माध्यम से एक दूसरे को सूचना भेजते हैं। चिप्स ने पहले से ही स्मार्ट कृत्रिम त्वचा से लेकर इलेक्ट्रॉनिक "नाक" तक कई प्रणालियों को संचालित किया है जो विस्फोटकों की गंध का पता लगाता है।
इंटेल लैब्स ने इस सप्ताह एक और कार्यक्रम का अनावरण किया। रोबोटिक्स में आजीवन सीखने के लिए एक नए दृष्टिकोण में लोही को लागू करने के लिए अनुसंधान इकाई ने इतालवी प्रौद्योगिकी संस्थान और म्यूनिख के तकनीकी विश्वविद्यालय के साथ मिलकर काम किया। यह विधि उन प्रणालियों के उद्देश्य से है जो असीमित वातावरण के साथ बातचीत करती हैं, जैसे कि स्वास्थ्य देखभाल और निर्माण के लिए भविष्य के रोबोट सहायक।
मौजूदा गहरे तंत्रिका नेटवर्क इन परिदृश्यों में वस्तुओं के साथ संघर्ष कर सकते हैं, क्योंकि उन्हें बड़े अच्छी तरह से प्रशिक्षित प्रशिक्षण डेटा और नई वस्तुओं पर व्यापक पुनर्प्रशिक्षण की आवश्यकता होती है। एक नए न्यूरोमॉर्फिक दृष्टिकोण का उद्देश्य इन सीमाओं को दूर करना है।
शोधकर्ताओं ने पहली बार एसएनएन को लोही में लागू किया। यह आर्किटेक्चर प्लास्टिक सिनेप्स की एक परत के लिए सीखने का स्थानीयकरण करता है। यह विभिन्न प्रकार की वस्तुओं को भी ध्यान में रखता है, मांग पर नए न्यूरॉन्स जोड़ता है। नतीजतन, उपयोगकर्ता के साथ बातचीत करते समय सीखने की प्रक्रिया स्वायत्त रूप से सामने आती है।
टीम ने नकली 3D वातावरण में उनके दृष्टिकोण का परीक्षण किया। इस सेटअप में, रोबोट आंखों के रूप में कार्य करने वाले कैमरे को घुमाकर वस्तुओं को सक्रिय रूप से महसूस करता है। कैमरा सेंसर "माइक्रोसैकेड्स" नामक छोटे फिक्सेटिव आई मूवमेंट से प्रेरित होकर वस्तुओं को "देखता है"। यदि यह देखता है कि वस्तु नई है, तो एसएनएन प्रतिनिधित्व सीखा या अद्यतन किया जाता है। यदि वस्तु ज्ञात है, तो नेटवर्क इसे पहचानता है और उपयोगकर्ता को प्रतिक्रिया प्रदान करता है।
टीम का कहना है कि पारंपरिक सीपीयू-आधारित विधियों की तुलना में समान या बेहतर गति और सटीकता प्रदान करने के लिए उनकी विधि को 175 गुना कम शक्ति की आवश्यकता होती है। अब उन्हें वास्तविक रोबोट के साथ वास्तविक दुनिया में अपने एल्गोरिदम का परीक्षण करने की आवश्यकता है।
"हमारा लक्ष्य भविष्य के रोबोटों के लिए समान क्षमताओं को लागू करना है जो एक इंटरैक्टिव वातावरण में काम करेंगे, जो उन्हें अप्रत्याशित परिस्थितियों के अनुकूल होने और लोगों के साथ अधिक स्वाभाविक रूप से काम करने की अनुमति देगा," अध्ययन के वरिष्ठ लेखक यूलिया सैंडमिरस्का ने कहा।
आप यूक्रेन को रूसी आक्रमणकारियों के खिलाफ लड़ने में मदद कर सकते हैं, ऐसा करने का सबसे अच्छा तरीका यूक्रेन के सशस्त्र बलों को धन दान करना है। जीवन बचाएं या आधिकारिक पेज के माध्यम से NBU.
यह भी दिलचस्प:
- Google के रोबोट अधिक से अधिक मानव जैसे होते जा रहे हैं और जटिल कार्य करते हैं
- नई सामग्री रोबोट को स्पर्श महसूस करने की अनुमति देगी