Karıncalardan Esinlenen Bu Yapay Zeka Beyni, Çiftlik Robotlarının Mahsullerde Daha İyi Gezinmesine Yardımcı Oluyor

Şunu hayal edin: Batan güneş, mısır tarlasını göz kamaştırıcı kehribar ve altın tonlarına boyuyor. Koçanlar ve hışırtılı yapraklarla dolu binlerce mısır sapı herkesin üzerinde yükseliyor; mısır labirentlerinde koşan çocuklar; ürünlerini inceleyen çiftçiler; ve sonbaharda hasat için olgun, tatlı başakları yavaşça toplayan robotlar vızıldayarak geçiyor.

Bekle, robotlar mı?

Pastoral tarım arazileri ve robotlar garip bir çift gibi görünebilir. Ancak robotların çevrelerini "görmesine" olanak tanıyan giderek daha karmaşık hale gelen yazılımlar (bilgisayar görüşü adı verilen bir teknoloji) sayesinde, robotlar hızla gıda üretim ana hattımıza entegre oluyorlar. Robotlar artık günlük işleri yerine getiriyor olgun meyvelerin toplanması veya mahsulleri solduran yabani otların yok edilmesi.

İle devam eden bir eksiklik tarım işçilerinin umudu şu ki makineler mahsül hasadını artırmaya, taze meyve ve sebzeleri güvenilir bir şekilde yemek masalarımıza getirmeye ve israfı en aza indirmeye yardımcı olabilir.

Vizyonu gerçekleştirmek için robot tarım işçilerinin karmaşık ve kafa karıştırıcı tarım arazilerini geçebilmesi gerekiyor. Ne yazık ki bu makineler en iyi yön bulma cihazları değil. Özellikle karmaşık ve zorlu arazilerle karşılaştıklarında kaybolma eğilimindedirler. Mısır labirentinde mücadele eden çocuklar gibi, robotlar da sıklıkla yerlerini unutuyorlar ve bu semptomun bir adı var: kaçırılan robot sorunu.

A  Yeni bir çalışma in Bilim Robotik robotlara hafıza vererek yön bulma becerilerini geliştirmeyi amaçlıyor.

Edinburgh Üniversitesi'nden Dr. Barbara Webb'in önderlik ettiği araştırmada ilham şaşırtıcı bir kaynaktan geldi: karıncalar. Bu yaratıklar, tek bir yolculuktan sonra istenen varış noktasına gitme konusunda son derece iyidir. Tecrübeli yürüyüşçüler gibi onlar da yol boyunca yoğun bitki örtüsünün içinden geçerken bile tanıdık yerleri hatırlarlar.

Gezici bir robottan toplanan görüntüleri kullanan ekip, karıncaların navigasyon sırasındaki beyin süreçlerine dayanan bir algoritma geliştirdi. Beynin hesaplamalarını da taklit eden donanım üzerinde çalıştırıldığında, yeni yöntem, navigasyon görevlerinde son teknoloji ürünü bilgisayarlı görme sistemine galip geldi.

Ekip, "Özellikle böcek beyinleri, verimlilik ve etkililiğin güçlü bir kombinasyonunu sağlıyor" dedi.

Sorunu çözmek, sadece dik kafalı robot çiftçilere evlerine dönmelerine yardımcı olacak dahili bir pusula vermekle kalmıyor. Beynin hesaplamasından (nöromorfik hesaplama adı verilen bir yöntem) faydalanmak, sürücüsüz arabalar gibi robotların dünyamızla nasıl etkileşime girdiğini daha da geliştirebilir.

Bir Karıncanın Hayatı

Sık ormanlarda veya mısır labirentlerinde dolaştıysanız muhtemelen arkadaşlarınıza şunu sormuşsunuzdur: Neredeyiz?

Mağaza vitrinleri ve diğer binaların simgesel yapılar olduğu bir şehir bloğu boyunca yürümenin aksine, bir mahsul tarlasında gezinmek son derece zordur. Bunun temel nedeni, çevredeki ortam birbirine çok benzediği için nerede olduğunuzu ve hangi yöne baktığınızı söylemenin zor olmasıdır.

Robotlar vahşi doğada aynı zorlukla karşı karşıyadır. Şu anda görüş sistemleri, robot araziyi geçerken görüntü yakalamak için birden fazla kamera kullanıyor ancak ışık veya hava koşulları değiştiğinde aynı sahneyi tanımlamakta zorlanıyorlar. Algoritmaların adapte edilmesi yavaş olduğundan karmaşık ortamlarda otonom robotlara rehberlik edilmesi zorlaşıyor.

İşte burada karıncalar devreye giriyor.

İnsanlarla karşılaştırıldığında nispeten sınırlı beyin kaynaklarına sahip olsalar bile karıncalar, karmaşık yeni ortamları öğrenme ve bu ortamlarda gezinme konusunda oldukça başarılıdır. Hava durumu, çamur veya ışık ne olursa olsun önceki rotaları kolayca hatırlarlar.

Ekip, "GPS'in bir robotun izin verebileceğinden daha yüksek hassasiyetle" bir rotayı takip edebileceklerini söyledi.

Bir karıncanın yön bulma becerisinin tuhaflıklarından biri, yön bulma sırasında tam olarak nerede olduğunu bilmesine gerek olmamasıdır. Daha ziyade, hedefini bulmak için yaratığın yalnızca bir yerin tanıdık olup olmadığını anlaması gerekir.

Bu, yeni bir şehri bir otelden keşfetmeye benziyor: Haritada nerede olduğunuzu bilmenize gerek yok. Eve dönüş yolunda manevra yapabilmeniz için kahvaltı için bir kafeye giden yolu hatırlamanız yeterlidir.

Karınca beyinlerini ilham kaynağı olarak kullanan ekip, üç adımda nöromorfik bir robot inşa etti.

İlki yazılımdı. Küçük beyinlere sahip olmalarına rağmen karıncalar, tanıdık bir rotayı tekrar ziyaret etmek için sinir devrelerinde ince ayar yapma konusunda özellikle beceriklidirler. Ekip, önceki bulgularına dayanarak, karınca beyinlerindeki bir tür sinir merkezi olan "mantar gövdeleri" üzerinde yoğunlaştı. Bu merkezler çevreden görsel bilgilerin öğrenilmesi açısından kritik öneme sahiptir. Bilgi daha sonra karıncanın beynine yayılarak yön bulma kararlarını bildirir. Örneğin, bu rota tanıdık geliyor mu yoksa başka bir şerit mi denemeliyim?

Daha sonra, bir hayvanın gözünün görebileceği gibi görüntüler yakalayan olay kameraları geldi. Ortaya çıkan görüntüler, fotoğraf sırasında gözün ışığı nasıl işlediğini taklit ettiğinden özellikle bilgisayarlı görmeyi eğitmek için kullanışlıdır.

Son bileşen donanımdır: kotra yelkeni, bilgisayar çipi Beyin fonksiyonlarını taklit etmek için tasarlandı. İlk olarak İngiltere'deki Manchester Üniversitesi'nde tasarlanan çip, belleği kodlamak için biyolojik sinir ağlarının iç işleyişini simüle ediyor.

Ekip, üç bileşeni bir araya getirerek karıncaya benzer bir sistem oluşturdu. Konseptin bir kanıtı olarak, sistemi zorlu arazilerde gezinen mobil bir robota güç vermek için kullandılar. Kabaca ekstra büyük bir hamburger büyüklüğünde olan ve uygun bir şekilde Turtlebot3 burger olarak adlandırılan robot, yürüyüşe çıkarken olay kamerasıyla görüntüler yakaladı.

Robot ormanlık arazilerde ilerlerken nöromorfik "beyni", çevresindeki pikselleri kullanarak "olayları" hızla bildirdi. Algoritma, örneğin dalların veya yaprakların robotun görüşünü engellemesi durumunda bir uyarı olayını tetikledi.

Küçük robot, çeşitli yüksekliklerdeki bitki örtüsünün yaklaşık 20 fitlik kısmını kat etti ve yürüyüşlerinden ders aldı. Ekip, bu aralığın rotasını izleyen bir karınca için tipik olduğunu söyledi. Birden fazla testte yapay zeka modeli, daha verimli analiz için yolculuktan elde edilen verileri ayrıştırdı. Ekip rotayı değiştirdiğinde, yapay zeka buna göre kafa karışıklığıyla yanıt verdi (bir dakika, burası daha önce burada mıydı) ve olağan rotayı öğrendiğini gösterdi.

Buna karşılık popüler bir algoritma aynı rotayı tanımakta zorlandı. Yazılım ancak aynı video kaydını gördüğünde bir rota izleyebiliyordu. Başka bir deyişle, karıncalardan ilham alan algoritmayla karşılaştırıldığında genelleme yapamıyordu.

Daha Verimli Bir Robot Beyni

Yapay zeka modelleri herkesin bildiği üzere enerjiye açtır. Nöromorfik sistemler oburluklarını ortadan kaldırabilir.

Sistemin arkasındaki donanım olan SpiNNaker, algoritmayı bir enerji diyetine sokuyor. Beynin sinir ağı yapılarına dayanan çip, büyük ölçüde paralel hesaplamayı destekliyor, bu da aynı anda birden fazla hesaplamanın gerçekleşebileceği anlamına geliyor. Bu kurulum yalnızca veri işleme gecikmesini azaltmakla kalmaz, aynı zamanda verimliliği de artırır.

Bu kurulumda her çip, yaklaşık 18 nöronu simüle eden 250 çekirdek içeriyor. Her çekirdeğin veri işlemeyle ilgili kendi talimatları vardır ve belleği buna göre depolar. Bu tür dağıtılmış bilgi işlem, robotların zorlu arazilerde manevra yapması gibi gerçek zamanlı geri bildirimlerin işlenmesi söz konusu olduğunda özellikle önemlidir.

Bir sonraki adım olarak ekip, karıncaların beyin devrelerini daha derinlemesine araştırıyor. Farklı beyin bölgeleri ve grupları arasındaki sinir bağlantılarını keşfetmek, bir robotun verimliliğini daha da artırabilir. Sonunda ekip, dünyayla bir karınca kadar karmaşık bir şekilde etkileşime giren robotlar yapmayı umuyor.

Resim Kredi: Faris Muhammed / Unsplash 

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://singularityhub.com/2023/10/03/this-ant-inspired-ai-brain-helps-farm-robots-better-navigate-crops/