ستساعدك المقالة التالية: تقدم مختبرات إنتل نهجًا جديدًا لتعلم الكائنات المعتمد على الشبكة العصبية
قدم الباحثون في Intel Labs ، بالتعاون مع المعهد الإيطالي للتكنولوجيا والجامعة التقنية في ميونيخ ، نهجًا جديدًا لتعلم الكائنات المعتمد على الشبكة العصبية. يستهدف النهج الجديد على وجه التحديد تطبيقات الروبوتات المستقبلية مثل المساعدين الآليين الذين يتفاعلون مع بيئات غير مقيدة ، والتي توجد في مواقف مثل الخدمات اللوجستية والرعاية الصحية.
يمكن أن يكون البحث الجديد حاسمًا لتحسين الخدمة أو قدرات التصنيع لروبوتاتنا المستقبلية.
ورقة البحث بعنوان “التعلم المستمر التفاعلي للروبوتات: نهج عصبيحصل على جائزة “أفضل ورقة” في المؤتمر الدولي لعام 2022 حول الأنظمة العصبية (ICONS) الذي استضافه مختبر أوك ريدج الوطني.
التعلم الكائني والحساب العصبي
تستخدم أساليب تعلم الكائن الجديدة والتفاعلية حسابًا عصبيًا لتمكين الروبوتات من اكتشاف كائنات جديدة.
استخدمت مجموعة الباحثين النماذج الجديدة لإثبات التعلم التفاعلي على شريحة Loihi neuromorphic ، وحققوا ما يصل إلى 175 ضعفًا في استهلاك الطاقة عند تعلم نماذج كائن جديدة. لقد حققوا أيضًا سرعة ودقة مماثلة أو أفضل عند مقارنتها بالطرق التقليدية التي تعمل على وحدة المعالجة المركزية.
الصورة: مختبرات إنتل
تمكن الباحثون من تحقيق ذلك من خلال تنفيذ بنية شبكة عصبية متصاعدة على Loihi ، مما يجعل من الممكن توطين تعلم الكائن في طبقة واحدة من المشابك البلاستيكية. كما أنها تأخذ في الاعتبار طرق عرض الكائنات المختلفة عن طريق تجنيد خلايا عصبية جديدة عند الطلب. يمكن بعد ذلك أن تتم عملية التعلم بشكل مستقل أثناء التفاعل مع المستخدم.
يوليا سانداميرسكايا مؤلفة أولى لقائد أبحاث الورق والروبوتات في مختبر إنتل للحوسبة العصبية.
قال سانداميرسكايا: “عندما يتعلم الإنسان شيئًا جديدًا ، فإنه يلقي نظرة ، ويقلبه ، ويسأل عن ماهيته ، وبعد ذلك يكون قادرًا على التعرف عليه مرة أخرى في جميع أنواع الإعدادات والظروف على الفور”. “هدفنا هو تطبيق قدرات مماثلة على الروبوتات المستقبلية التي تعمل في إعدادات تفاعلية ، وتمكينها من التكيف مع ما هو غير متوقع والعمل بشكل طبيعي مع البشر. نتائجنا مع Loihi تعزز قيمة الحوسبة العصبية لمستقبل الروبوتات “.
الصورة: مختبرات إنتل
مختبرات إنتل لأبحاث الحوسبة العصبية
تعد Intel Labs رائدة في مجال أبحاث الحوسبة العصبية ، حيث تعمل على “المساعدة في تحقيق هدف الحوسبة العصبية المتمثلة في تمكين الجيل التالي من الأجهزة الذكية والأنظمة المستقلة.”
تسترشد الحوسبة العصبية بمبادئ الحساب العصبي البيولوجي ، وتعتمد على مناهج خوارزمية جديدة لمحاكاة الدماغ البشري وكيفية تفاعله مع العالم.
سيكون النهج المعماري المبتكر للحوسبة العصبية مسؤولاً عن تشغيل حلول الذكاء الاصطناعي المستقلة في المستقبل والتي تتطلب كلاً من كفاءة الطاقة والتعلم المستمر. يتم تطبيقه بالفعل في مجالات مختلفة مثل الروبوتات ، وأجهزة الاستشعار ، والرعاية الصحية ، وتطبيقات الذكاء الاصطناعي واسعة النطاق.
