هواپیماهای بدون سرنشین در شهر (تصویر آرشیوی).
اعتبار: © ChenPG / Adobe Stock
 

گزارش کامل

اگر هواپیماهای بدون سرنشین و ماشین های خود - راننده "حس های غیر معمول" مورمور کننده مرد عنکبوتی را داشته باشند چه می شود؟
 
آندرس آریتا، استادیار مهندسی مکانیک در دانشگاه پوردو می گوید ممکن است آنها در واقع بهتر اجسام را تشخیص دهند و از آنها اجتناب کنند، زیرا آنها اطلاعات حسی را سریع تر پردازش می کنند.
 
قابلیت های حسی بهتر این امکان را برای هواپیماهای بدون سرنشین فراهم می کند تا در محیط های خطرناک هوانوردی کنند و این امکان را برای اتومبیل ها فراهم می آورد که از تصادفات ناشی از خطای انسانی اجتناب کنند. تکنولوژی سنسورهای مدرن داده ها را با سرعت کافی پردازش نمی کند - اما طبیعت می کند.
 
و محققان لازم نیست یک عنکبوت رادیواکتیو خلق کنند تا توانایی های حسی ابرقهرمانانه به ماشین های خودران بدهند.
 
به جای آن، محققان پوردو سنسورهای الهام گرفته از عنکبوت ها، خفاش ها، پرندگان و دیگر حیوانات را ساخته اند که حس های غیر معمول واقعی آنها انتهاهای عصبی پیوند خورده با نورون های خاصی به نام مکانوگیرنده است.
 
انتهاهای عصبی - مکانوحسگرها – تنها اطلاعات اساسی برای بقای یک حیوان را آشکار و پردازش می کنند. آنها به شکل های مو، مژه یا پر می آیند.
 
آریِتا، که آزمایشگاهش اصول طبیعت را در طراحی ساختارها، از روبات ها گرفته تا بال های هواپیما، اعمال می کند، گفت: "در حال حاضر انفجاری از داده ها داریم که سیستم های هوشمند می توانند جمع آوری کنند و سرعت ایجاد داده های جدید به نحو فزاینده ای بیش از آن است که رایانه های معمولی قادر به پردازش آنها باشند."
 
او گفت: "طبیعت الزامی نمی بیند که تمام قطعات اطلاعات را جمع آوری کند؛ تنها آن چیزی را که نیاز دارد برای استفاده از فیلترش رد می کند."
 
بسیاری از مکانوحسگرهای بیولوژیکی، داده ها – یعنی اطلاعاتی که از محیط دریافت می کنند – را طبق یک آستانه، مانند تغییرات فشار یا دما، فیلتر می کنند.
 
به عنوان مثال، مکانوحسگرهای کُرکین یک عنکبوت، بر روی پاهای آن قرار دارند. هنگامی که یک تار عنکبوت در فرکانسی مرتبط با طعمه و یا جفت ارتعاش می کند، مکانوحسگرها آن را تشخیص می دهند، و رفلکسی در عنکبوت ایجاد می کنند که پس از آن بسیار سریع واکنش نشان می دهد. مکانوحسگرها یک فرکانس پایین تر مانند فرکانس ناشی از غبار روی تار عنکبوت را شناسایی نمی کنند زیرا این امر برای بقای عنکبوت مهم نیست.
 
ایده این بود که سنسورهای مشابهی مستقیما با پوسته یک ماشین خودران مانند بالهای یک هواپیما یا بدنه یک خودرو یکپارچه شود. محققان در مقاله ای در ACS Nano نشان دادند که مکانوحسگرها مهندسی شده‌ی الهام گرفته از کرک های عنکبوت می توانند برای شناسایی نیروهای پیش تعیین شده سفارشی شوند. در زندگی واقعی، این نیروها با یک شیء خاص مرتبط می شوند که یک ماشین خودران لازم است از آن اجتناب کند.
 
اما سنسورهایی که آنها توسعه دادند نه فقط به حس و فیلتر کردن با سرعت بسیار بالا می پرداخت بلکه محاسبه هم می کرد آن هم بدون نیاز به منبع تغذیه.
 
آریِتا گفت: "هیچ تمایزی میان سخت افزار و نرم افزار در طبیعت وجود ندارد، همه اینها متصل هستند." "سنسور به منظور تفسیر داده ها، و همچنین جمع آوری و فیلتر کردن آنها است."
 
در طبیعت، هنگامی که سطح مشخصی از نیرو، مکانوگیرنده های مرتبط با مکانوحسگرهای کرکین را فعال می کند، این مکانوگیرنده ها اطلاعات را با سویچ کردن از یک حالت به حالتی دیگر محاسبه می کنند.
 
محققان پوردو در همکاری با دانشگاه تکنولوژی نانیانگ در سنگاپور و ETH Zürich، حسگرهای خود را برای انجام این کار طراحی کرده اند و از این حالت های خاموش و روشن برای تفسیر سیگنال ها استفاده می کنند. سپس یک ماشین هوشمند بر اساس آنچه که این سنسورها محاسبه می کنند، واکنش نشان می دهد.
 
آریتا گفت، این مکانوحسگرهای مصنوعی قادر به حس کردن، فیلتر کردن و محاسبه بسیار سریع هستند، زیرا آنها سفت هستند. طبیعت الزامی نمی بیند که تمام قطعات اطلاعات را جمع آوری کند؛ تنها آن چیزی را که نیاز دارد برای استفاده از فیلترش رد می کند. ماده‌ی سنسور طراحی شده است که زمانی که توسط نیروی خارجی فعال می شود به سرعت تغییر شکل دهد. تغییر شکل باعث می شود ذرات رسانای داخل ماده به یکدیگر نزدیک شوند، که پس از آن این اجازه می دهد تا برق از طریق سنسور جریان یابد و یک سیگنال را حمل کند. این سیگنال اطلاع می دهد که چگونه سیستم خودران باید پاسخ دهد.
 
آریتا گفت: "با کمک الگوریتم های یادگیری ماشین، ما می توانیم این سنسورها را ورزیده کنیم که با کمترین مصرف انرژی به طور خودران انجام وظیفه کنند." "همچنین هیچ مانعی برای تولید این حسگرها در اندازه های مختلف وجود ندارد."
 

آهن رباها می توانند به هوش مصنوعی کمک کنند که به کارایی مغز انسان نزدیک تر شود

شبکه های جدید مغز مانند می توانند به روبات ها در رفع نقاط ضعف در کارایی تشخیص شیء کمک کنند. محققان فرایندی برای استفاده از مغناطیس با شبکه های مغز مانند برای برنامه ریزی و آموزش دستگاه هایی مانند روبات های شخصی، ماشین های خود ران و هواپیماهای بدون سرنشین در مورد تعمیم بهتر خود در رابطه با اشیاء مختلف، توسعه داده اند.
 
    
اعتبار: Kaushik Roy / دانشگاه پوردو
 
کامپیوترها و هوش مصنوعی به راهنمایی تغییرات عمده در شیوه خرید مردم ادامه می دهند. این نسبتاً ساده است که به یک مغز روبات تعلیم دهیم که یک لیست خرید تهیه کند، اما در مورد اطمینان از این که یک خریدار روباتی می تواند به راحتی تفاوت بین هزاران محصول را در یک فروشگاه تشخیص دهد چه؟  
 
محققان دانشگاه پوردو و متخصصان محاسبات الهام گرفته از مغز می گویند که بخشی از پاسخ ممکن است در آهن ربا پیدا شود. هیچ تمایزی میان سخت افزار و نرم افزار در طبیعت وجود ندارد، همه اینها متصل هستند. محققان یک فرآیند را برای استفاده از مغناطیس با شبکه های مغز مانند برای برنامه ریزی و آموزش دستگاه هایی مانند روبات های شخصی، ماشین های خود ران و هواپیماهای بدون سرنشین به این که بهتر در مورد اشیاء مختلف خود را تعمیم دهند توسعه داده اند.
 
منبع: دانشگاه پوردو