Οι αισθήσεις μας συνεργάζονται συνεργιστικά, που σημαίνει ότι συνεργάζονται για να παρέχουν μια πιο ολοκληρωμένη κατανόηση, ειδικά όταν τα μεμονωμένα σήματα είναι διακριτικά.
Σε αυτή τη διαδικασία, το συλλογικό άθροισμα των βιολογικών εισροών μπορεί να είναι μεγαλύτερο από τις επιμέρους συνεισφορές κάθε αίσθησης.
δείτε περισσότερα
Η Fapesp κάνει μια δημόσια πρόσκληση για εγγραφή ποσοστώσεων σε FIP
Το ChatGPT και η Canva συνεργάζονται για να δημιουργήσουν νέα εργαλεία σχεδίασης.…
Ωστόσο, τα ρομπότ παραδοσιακά τείνουν να ακολουθούν μια πιο άμεση προσέγγιση, την επεξεργασία πληροφοριών μεμονωμένα.
Ενόψει αυτού, ερευνητές στο Pennsylvania State University (Penn State) υιοθετούν τη βιολογική έννοια της αισθητηριακής συνέργειας για να την εφαρμόσουν στην Τεχνητή Νοημοσύνη (AI).
Προϊόν της βιολογικής έννοιας της αισθητηριακής συνέργειας
Το αποτέλεσμα αυτής της έρευνας είναι η ανάπτυξη της πρώτης πολυαισθητηριακός τεχνητός νευρώνας ενσωματωμένο, το οποίο επιτρέπει στις μηχανές να συνδυάζουν και να επεξεργάζονται πληροφορίες από διαφορετικούς αισθητήρες.
Με αυτό, θα υπήρχε μια μίμηση της ανθρώπινης ικανότητας να ενσωματώνει πολλαπλές αισθήσεις για μια πληρέστερη κατανόηση του περιβάλλοντος περιβάλλοντος.
Η εργασία που δημοσιεύτηκε πρόσφατα στο Nature Communications αυτού του μήνα σηματοδοτεί μια σημαντική πρόοδο στην έρευνα της τεχνητής νοημοσύνης.
Ο Saptarshi Das, ο επικεφαλής αυτής της πρωτοβουλίας, τονίζει ότι τα ρομπότ, όταν λαμβάνουν αποφάσεις, βασίζονται γενικά στο περιβάλλον στο οποίο βρίσκονται.
Ωστόσο, οι αισθητήρες του συνήθως λειτουργούν μεμονωμένα, χωρίς να επικοινωνούν μεταξύ τους. Αυτό σημαίνει ότι οι αισθητηριακές πληροφορίες δεν μοιράζονται αποτελεσματικά.
Επιπλέον, ο Das θέτει ένα σημαντικό ερώτημα: είναι η συλλογική λήψη αποφάσεων, μέσω μιας μονάδας επεξεργασίας αισθητήρων, η πιο αποτελεσματική μέθοδος;
Κάνει μια σύγκριση με τον ανθρώπινο εγκέφαλο, στον οποίο μια αίσθηση μπορεί να επηρεάσει και να συμπληρώσει μια άλλη, επιτρέποντας στο άτομο να αξιολογήσει καλύτερα μια κατάσταση.
Αυτή η διαδικασία αισθητηριακής διασύνδεσης στον ανθρώπινο εγκέφαλο μπορεί να οδηγήσει σε πιο ενημερωμένες και προσαρμοστικές αποφάσεις. Ως εκ τούτου, η έρευνα επιδιώκει να εφαρμόσει αυτές τις βιολογικές αρχές στην τεχνητή νοημοσύνη.
Ο στόχος είναι να βελτιωθεί η ικανότητα των μηχανών να λαμβάνουν πιο περίπλοκες και συμφραζόμενες αποφάσεις βασισμένες σε ολοκληρωμένες αισθητηριακές πληροφορίες, δηλαδή εμπνευσμένες από ανθρώπινες αισθήσεις.
(Εικόνα: Αναπαραγωγή/Διαδίκτυο)
Επί του παρόντος, στην τεχνητή νοημοσύνη, οι αισθητήρες λειτουργούν ανεξάρτητα, στέλνοντας πληροφορίες σε μια κεντρική μονάδα για αποφάσεις, η οποία καταναλώνει περισσότερη ενέργεια.
Από την άλλη πλευρά, αυτή η έρευνα προτείνει ότι οι αισθητήρες μπορούν να επικοινωνούν απευθείας μεταξύ τους, καθιστώντας τη διαδικασία πιο αποτελεσματική, ειδικά όταν οι πληροφορίες είναι λεπτές.
Αυτό υπόσχεται να βελτιώσει την ικανότητα των μηχανών AI να λαμβάνουν αποφάσεις με βάση ενσωματωμένες αισθητηριακές πληροφορίες. Για να επιτευχθεί αυτό, η έρευνα επικεντρώθηκε στην ενσωμάτωση ενός απτικού και οπτικού αισθητήρα.
Έτσι, ήταν δυνατό η έξοδος του ενός αισθητήρα να επηρεάσει τον άλλο, με τη βοήθεια της οπτικής μνήμης. Αυτό οδήγησε σε βελτιώσεις στην πλοήγηση, με την οπτική μνήμη να επηρεάζει και να βοηθά τις απτικές αποκρίσεις.
Κατάφεραν να δημιουργήσουν ένα νευρώνας πολυαισθητηριακή τεχνητή συσκευή που συνδέει έναν αισθητήρα αφής με ένα φωτοτρανζίστορ με βάση το δισουλφίδιο του μολυβδαινίου, επιτρέποντας την αποτελεσματική ενσωμάτωση οπτικών και απτικών σημάτων.
Επομένως, δεδομένου αυτού, έχουμε τη δυνατότητα να βελτιώσουμε την ικανότητα των μηχανών να επεξεργάζονται πληροφορίες από διαφορετικούς αισθητήρες με πιο αποτελεσματικό και προσαρμόσιμο τρόπο.
Στην Trezeme Digital, κατανοούμε τη σημασία της αποτελεσματικής επικοινωνίας. Γνωρίζουμε ότι κάθε λέξη έχει σημασία, γι' αυτό προσπαθούμε να παρέχουμε περιεχόμενο που είναι σχετικό, ελκυστικό και εξατομικευμένο για να καλύπτει τις ανάγκες σας.
