Macchine che rilevano il loro ambiente
L'elemento chiave delle reti neurali artificiali è la nuova struttura del sistema di elaborazione delle informazioni. È composta da un ampio numero di unità di elaborazione altamente interconnesse, chiamate neuroni, che lavorano in parallelo per risolvere un problema specifico. I neuroni spiking differiscono dalle reti neurali artificiali convenzionali perché le informazioni vengono trasmesse tramite impulsi e non modificando i tassi di firing. I partner del progetto SENSEMAKER ritengono che questo consenta alle reti neurali spiking di inglobare le ricche dinamiche necessarie per le applicazioni in tempo reale. Se implementate su hardware riconfigurabili paralleli, le reti neurali possono trarre completo vantaggio dal loro parallelismo inerente e possono funzionare più velocemente di alcuni ordini di grandezza rispetto alle simulazioni software. Lo sviluppo di dispositivi di circuito integrato per applicazioni specifiche (ASIC) per le reti neurali è, tuttavia, troppo lungo e dispendioso. I ricercatori presso la University of Ulster nel Regno Unito si sono quindi concentrati su array di porte programmabili sul campo (FPGA) che forniscono composizioni di componenti logici da configurare con facilità. Nello specifico, è possibile scaricare una sequenza di bit di configurazione aggiornata direttamente sul dispositivo per ottenere la modifica desiderata al sistema. Per consentire di utilizzare risposte di una rete neurale biologicamente plausibile, è stata implementata una versione basata sulla conduttanza del modello neurale Integrate and fire (I&F) su una piattaforma FPGA. Nell'hardware è stata implementata anche una forma ispirata biologicamente di STDP (Spike timing-dependant plasticity) per preparare la rete neurale. Utilizzando un'implementazione completamente in parallelo di questo modello, il numero di neuroni che si possono implementare era limitato al numero dei moltiplicatori integrati forniti. D'altro canto, le architetture time-multiplexed hanno fornito compromessi favorevoli tra velocità di calcolo e dimensioni della rete neurale. Il sistema finale è stato testato effettuando trasformazioni delle coordinate con risultati promettenti. Questa applicazione è stata concepita nell'ambito del progetto SENSEMAKER, che aveva lo scopo di creare un sistema hardware capace di unire dati multisensoriali e con una consapevolezza percettuale, in una certa misura, del suo ambiente. Le trasformazioni delle coordinate convertono gli angoli di un sensore tattile nelle coordinate (x,y), usate a loro volta per generare una rappresentazione dell'immagine tattile dello spazio di ricerca. Tuttavia, è evidente che sono necessari ulteriori miglioramenti all'implementazione basata su FPGA per ottenere prestazioni in tempo reale.
