Νέα τεχνολογία επιτρέπει σε μηχανές να «βλέπουν» και να «σκέφτονται» σε πραγματικό χρόνο

Μια επαναστατική καινοτομία στον τομέα της νευρομορφικής τεχνολογίας ανέπτυξε ερευνητική ομάδα του Πανεπιστημίου RMIT στην Αυστραλία, φέρνοντας ένα βήμα πιο κοντά την εποχή όπου ανθρωποειδή ρομπότ και αυτόνομα οχήματα θα διαθέτουν όραση και νοημοσύνη σε πραγματικό χρόνο, χωρίς την ανάγκη εξωτερικών υπολογιστικών συστημάτων.

Στην «καρδιά» της νέας τεχνολογίας βρίσκεται ένα εξαιρετικά λεπτό υλικό, το δισουλφίδιο του μολυβδαινίου (MoS₂), το οποίο αντιδρά στο φως και έχει την ικανότητα να «επαναφέρεται» σχεδόν άμεσα – προσομοιώνοντας με ακρίβεια τη λειτουργία των ανθρώπινων νευρώνων. Η συμπεριφορά αυτή καθιστά το υλικό ιδανικό για χρήση σε προηγμένα ρομποτικά συστήματα και οχήματα που απαιτούν ταχύτατη αντίδραση και κατανόηση του περιβάλλοντος.

Η συσκευή βασίζεται στο βιολογικό μοντέλο «leaky integrate-and-fire» (LIF), το οποίο περιγράφει πώς οι νευρώνες συσσωρεύουν σήματα μέχρι να φτάσουν σε ένα κατώφλι και έπειτα «εκρήγνυνται» με παλμό, επανεκκινώντας το σύστημα. Με αυτό τον τρόπο επιτυγχάνεται ηλεκτρονική προσομοίωση της νευρωνικής επικοινωνίας, προσδίδοντας στη συσκευή ιδιότητες αντίστοιχες του ανθρώπινου εγκεφάλου.

Σε αντίθεση με προηγούμενα υλικά, τα φύλλα MoS₂ έχουν κατασκευαστεί μέσω χημικής εναπόθεσης ατμών (CVD) και επιδεικνύουν φωτοευαισθησία και ηλεκτρική απόκριση που προσεγγίζει τη συμπεριφορά των νευρικών κυττάρων. Με τη ρύθμιση της τάσης ελέγχου, το σύστημα επανεκκινείται στιγμιαία, προσομοιώνοντας έτσι τη λειτουργία του ανθρώπινου νευρικού συστήματος.

Κατά τη διάρκεια των δοκιμών στο εργαστήριο, το ερευνητικό πρωτότυπο ενσωματώθηκε σε νευρωνικό δίκτυο τύπου SNN (spiking neural network). Το σύστημα πέτυχε 75% ακρίβεια στην αναγνώριση στατικών εικόνων μετά από μόλις 15 κύκλους εκπαίδευσης και 80% ακρίβεια σε δυναμικά δεδομένα μετά από 60 κύκλους. Χάρη σε μια τεχνική ανίχνευσης περιγραμμάτων, η συσκευή αναγνώρισε την κίνηση του χεριού χωρίς την ανάγκη καταγραφής κάθε καρέ ξεχωριστά – μειώνοντας δραστικά την κατανάλωση ενέργειας και δεδομένων.

Ο καθηγητής Sumeet Walia, επικεφαλής του έργου, τόνισε τη σημασία του επιτεύγματος: «Μπορούμε πλέον να προσομοιώσουμε την οπτική νοημοσύνη με αποδοτικό, γρήγορο και ενεργειακά οικονομικό τρόπο, χωρίς την ανάγκη τεράστιων υπολογιστικών υποδομών». Από την πλευρά του, ο υποψήφιος διδάκτορας και πρώτος συγγραφέας της μελέτης, Thiha Aung, σημείωσε ότι η νέα τεχνολογία διευρύνει τη χρήση του συστήματος στο φάσμα του ορατού φωτός, προσφέροντας προοπτικές και για εφαρμογές στο υπέρυθρο.

Η επόμενη φάση της έρευνας επικεντρώνεται στη δημιουργία μεγαλύτερων και πιο πολύπλοκων πλεγμάτων pixel, ώστε να καταστεί εφικτή η ενσωμάτωση αυτών των νευρομορφικών αισθητήρων σε πραγματικές εφαρμογές, όπως ρομπότ, έξυπνα οχήματα και αυτόνομα συστήματα παρακολούθησης. Παράλληλα, οι επιστήμονες εργάζονται για τη βελτίωση της ενεργειακής απόδοσης και τη συμβατότητα της τεχνολογίας με τις παραδοσιακές ψηφιακές πλατφόρμες.

Το μακροπρόθεσμο όραμα περιλαμβάνει τη δημιουργία έξυπνων αισθητήρων που μπορούν να μαθαίνουν και να προσαρμόζονται, με εφαρμογές σε κρίσιμους τομείς όπως η προσωπική φροντίδα, η ασφάλεια και η περιβαλλοντική παρακολούθηση.

[via]