ENGINEERINGNET.BE - Neurale netwerken en machine learning staan de laatste jaren in het middelpunt van de belangstelling. En dat is niet voor niks, gezien de vele successen op het gebied van beeldherkenning, medische diagnose, e-commerce en vele andere gebieden. Toch kleven er ook nadelen aan deze softwarematige benadering van machine-intelligentie, niet in het minst omdat er zoveel stroom nodig is om de algoritmen te trainen.
Dit energieprobleem is een van de redenen waarom onderzoekers hebben geprobeerd computers te ontwikkelen die veel zuiniger zijn. Daarbij laten ze zich inspireren door het menselijk brein, een denkende machine die door de slimme manier waarop geheugen en verwerking samenwerken juist erg weinig energie gebruikt. Neuronen in onze hersenen communiceren met elkaar via zogeheten synapsen, die telkens als er informatie doorheen stroomt, sterker worden. Het is dit vermogen (dat bekend staat als plasticiteit) dat maakt dat mensen dingen kunnen onthouden en leren.
Imke Krauhausen uit, promovendus aan de faculteit Mechanical Engineering van de TU/e: "In ons onderzoek hebben we dit model gebruikt om een robot te ontwikkelen die in staat is om te leren bewegen door een labyrint. Net zoals een synaps in een muizenbrein wordt versterkt telkens wanneer het beestje de juiste kant opgaat in een doolhof, wordt ons apparaat 'getuned' door een bepaalde hoeveelheid elektriciteit toe te dienen. Door de weerstand in het apparaat te manipuleren, verander je de spanning die de motoren aanstuurt. Die bepalen op hun beurt of de robot naar rechts of naar links draait."
De robot die Krauhausen en haar collega's voor hun onderzoek gebruikten, is een Mindstorms EV3, een robotica-kit gemaakt door Lego. Uitgerust met twee wielen, traditionele besturingssoftware om ervoor te zorgen dat hij een lijn kan volgen, en een aantal reflectie- en aanraaksensoren, werd hij een 2 m² groot doolhof ingestuurd dat bestaat uit zwart omlijnde zeshoeken in een honingraatachtig patroon.
De robot is geprogrammeerd om standaard rechtsaf te slaan. Telkens wanneer hij een doodlopende weg bereikt of afwijkt van het aangegeven pad naar de uitgang (die wordt aangegeven door visuele signalen), wordt hem verteld om te keren of naar links te gaan. Deze corrigerende stimulans wordt vervolgens in het neuromorfische apparaat opgeslagen voor de volgende poging.
Krauhausen: "Uiteindelijk had onze robot 16 runs nodig om de uitgang te vinden. Het mooie is dat, als hij eenmaal heeft geleerd deze specifieke route te volgen, hij elk ander pad dat hem wordt opgegeven in één keer kan doorlopen. De kennis die hij heeft opgedaan is dus generaliseerbaar."
Een deel van het succes van de robot ligt in de unieke integratie van sensoren en motoren, aldus Krauhausen, die voor dit onderzoek nauw samenwerkte met het Max Planck Instituut voor Polymeeronderzoek in Mainz. Deze sensorimotorische integratie, waarbij zintuig en beweging elkaar versterken, is ook heel erg hoe de natuur werkt.
Een ander slimmigheidje is het organische materiaal dat voor de neuromorfische robot is gebruikt. Het gaat om een polymeer dat bekend staat als p(g2T-TT). Het materiaal is niet alleen stabiel, maar ook erg goed in het vasthouden van de specifieke toestanden waarin het is ‘getuned’ tijdens de verschillende runs door het labyrint. Dit zorgt ervoor dat het aangeleerde gedrag blijft ‘hangen’, net zoals neuronen en synapsen in een menselijk brein gebeurtenissen of handelingen onthouden.
