Technologia reservoir computing pozwala na opracowanie wielozadaniowych czujników
Wszyscy giganci branży technologicznej zgodnie twierdzą, że uczenie maszynowe stanowi przyszłość świata technologii, a dotychczas poznaliśmy zaledwie ułamek jego potencjału. Wkrótce całe oprogramowanie wbudowane w nasze inteligentne urządzenia będzie w stanie automatycznie uczyć się i samodzielnie ulepszać na podstawie zebranych doświadczeń, podobnie jak robią to ludzie za każdym razem, kiedy stykają się z nowymi sytuacjami. To porównanie jest w tym wypadku kluczem z racji tego, że jedno z najlepiej działających podejść do uczenia maszynowego – nazywane „reservoir computing”, – czerpie inspirację z sieci neuronowych. Zalety tego podejścia opisał Zoran Konkoli, profesor Wydziału Mikrotechnologii i Nanonauki Uniwersytetu Technicznego Chalmersa: „Kluczową zaletą reservoir computing jest fakt, że nie wymaga złożonego sprzętu pomocniczego. Jeśli dany system jest wystarczająco złożony, może zostać wyposażony w bardzo prostą jednostkę nazywaną »warstwą odczytową«, którą można z łatwością zoptymalizować pod kątem wykonywania dowolnych obliczeń”. We wrześniu 2015 roku profesor Konkoli objął kierownictwo nad konsorcjum ośmiu jednostek – uniwersytetów oraz instytutów badawczych – w celu opracowania podejścia pozwalającego na zastosowanie reservoir computing na potrzeby inteligentnych, biokompatybilnych czujników umożliwiających wykrywanie zmian zachowań związanych ze stężeniami jonów. W ten sposób został zapoczątkowany projekt RECORD-IT. Działanie czujników opiera się na dwóch głównych etapach. W pierwszym z nich czujnik wchodzi w interakcję z badanym obiektem i wytwarza dane wyjściowe, które następnie są analizowane w ramach drugiego etapu przez niezależne urządzenie. Przykładem takiego zachowania może być reakcja naszego organizmu na światło. Kiedy nasze oczy dostrzegą światło, uruchamiają działanie neuronów prowadzących z siatkówki oka do mózgu. Dopiero w drugim etapie nasz mózg interpretuje oraz przetwarza otrzymane informacje. Istnieją dwa główne podejścia do wykorzystania technologii reservoir computing (RC) w czujnikach. Jednym z nich jest klasyczna konfiguracja, którą dla uproszczenia można określić mianem „czujnik i RC”, w ramach której urządzenie RC jest wykorzystywane do analizy zgromadzonych danych. Drugie podejście opracowywane w ramach projektu RECORD-IT to „RC na potrzeby wykrywania”. W przypadku tego nowatorskiego podejścia czujnik RC jednocześnie zajmuje się gromadzeniem danych i ich przetwarzaniem. „Powiedzmy na przykład, że chcemy ustalić jaka jest pogoda na zewnątrz bez możliwości wyjrzenia przez okno. W takiej sytuacji można na przykład zapytać o pogodę osobę wchodzącą do pomieszczenia z zewnątrz. W przypadku dotychczas stosowanego podejścia »czujnik i RC« konieczne byłoby opracowanie zaawansowanej kamery połączonej ze złożonym systemem przetwarzania i analizy obrazu (wykorzystującym urządzenie RC lub inne rozwiązanie), aby sprawdzić, czy dana osoba jest mokra. Podejście »RC na potrzeby wykrywania« umożliwia nam bezpośrednie zadanie prostych pytań tej osobie i nie ogranicza nas wyłącznie do pasywnej obserwacji sytuacji”, twierdzi profesor Konkoli. Główna innowacja wprowadzana przez projekt RECORD-IT polega na tym, że tego rodzaju dynamiczny system może być odpytywany w czasie, gromadząc w ten sposób informacje na temat środowiska przed zbadaniem go przy pomocy prostego urządzenia. Co ważniejsze, zespołowi udało się również zastosować to podejście do analizy systemów jonowych, które dotychczas stanowiły olbrzymie wyzwanie. Jak zauważa profesor Konkoli: „Lista możliwych zastosowań jest nieskończona. Oczekujemy, że nasze rozwiązanie będzie miało ogromny wpływ na technologie Internetu rzeczy, gdzie w dalszym ciągu jednym z największych wyzwań jest konieczność zmniejszenia zużycia przepustowości wykorzystywanej w celu komunikacji. Nietrudno jest wyobrazić sobie także wykorzystanie tego rozwiązania w zastosowaniach medycznych, takich jak na przykład monitorowanie stanu pacjentów w czasie rzeczywistym, do czego wymagane są dokładne czujniki, które będą charakteryzować się niewielkimi rozmiarami i energooszczędnością, zastosowaniach związanych z inteligencją roju w połączeniu z rozproszonymi systemami czujników i wielu innych”. Choć projekt dobiegł końca w zeszłym roku, konsorcjum nieprzerwanie pracuje nad wykorzystaniem algorytmów oraz opracowanych rozwiązań w kilku zastosowaniach, wśród których można wymienić między innymi czujniki pozwalające na wykrywanie chorób neurologicznych, rozwiązania kryptograficzne oraz kilka koncepcji wykorzystujących sieci rozproszonych czujników.
Słowa kluczowe
RECORD-IT, reservoir computing, uczenie maszynowe, czujniki, sieć neuronowa, Internet rzeczy, IoT, OZ na potrzeby wykrywania, systemy jonowe
