Hãy tưởng tượng một cánh đồng ngô đẹp như tranh vẽ tắm mình trong ánh sáng ấm áp của mặt trời lặn, với những thân cây ngô đung đưa trong gió. Giữa khung cảnh đất nông nghiệp bình dị, robot đã gia nhập hàng ngũ công nhân nông trại, giúp thực hiện các công việc như thu hoạch trái cây và quản lý cây trồng. Khi ngành nông nghiệp phải đối mặt với tình trạng thiếu lao động, những robot này hứa hẹn sẽ tăng năng suất cây trồng, cung cấp sản phẩm tươi đến bàn ăn của chúng ta và giảm chất thải. Tuy nhiên, có một thách thức đáng kể: robot gặp khó khăn trong việc định hướng những vùng đất nông nghiệp phức tạp và xa lạ, thường xuyên bị lạc. Các nhà nghiên cứu tại Đại học Edinburgh, dẫn đầu bởi Tiến sĩ Barbara Webb, đã lấy cảm hứng từ loài kiến ​​để giải quyết vấn đề này và nâng cao khả năng điều hướng của robot. Bằng cách tận dụng điện toán mô phỏng thần kinh và hiểu biết sâu sắc về khả năng điều hướng của kiến, họ đã phát triển một giải pháp đột phá có thể cách mạng hóa không chỉ ngành nông nghiệp mà còn cả các lĩnh vực khác của robot và trí tuệ nhân tạo.

Kiến: Chuyên gia định hướng của thiên nhiên

Điều hướng qua một cánh đồng trồng trọt cũng giống như tìm đường xuyên qua một khu rừng rậm rạp hoặc mê cung ngô; mọi thứ trông giống nhau, khiến việc xác định vị trí và hướng đi của bạn trở nên khó khăn. Robot gặp phải vấn đề tương tự trong môi trường tự nhiên, nơi việc thay đổi điều kiện ánh sáng và thời tiết có thể làm nhiễu hệ thống dựa trên thị giác của chúng. Các thuật toán hiện tại gặp khó khăn trong việc thích ứng nhanh chóng, cản trở sự tiến bộ của robot tự động trong môi trường phức tạp.

Kiến, mặc dù có bộ não tương đối nhỏ so với con người, nhưng lại có khả năng học hỏi và định hướng rất tốt trong môi trường xung quanh phức tạp. Chúng có thể ghi nhớ các tuyến đường trước đó bất kể điều kiện bất lợi, vượt trội hơn cả GPS về độ chính xác. Chìa khóa thành công của họ nằm ở khả năng nhận biết những địa điểm quen thuộc thay vì xác định chính xác vị trí của họ trong quá trình điều hướng.

Cảm hứng từ não kiến

Lấy cảm hứng từ bộ não của loài kiến, nhóm nghiên cứu đã bắt tay vào hành trình gồm ba bước để cải thiện khả năng điều hướng của robot.

Phần mềm: Kiến tinh chỉnh các mạch thần kinh của chúng trong cơ thể nấm, các trung tâm thần kinh chuyên biệt quan trọng cho việc học thông tin thị giác. Nhóm đã tập trung vào các trung tâm này để phát triển thuật toán mô phỏng cách kiến ​​xử lý thông tin hình ảnh để đưa ra quyết định điều hướng.

Camera sự kiện: Camera sự kiện chụp ảnh theo cách bắt chước mắt động vật, khiến chúng trở nên lý tưởng để đào tạo hệ thống thị giác máy tính. Những máy ảnh này xử lý ánh sáng tương tự như mắt người trong quá trình chụp ảnh, hỗ trợ việc đào tạo các thuật toán thị giác.

Phần cứng: Chip máy tính SpiNNaker, ban đầu được phát triển tại Đại học Manchester, mô phỏng hoạt động bên trong của mạng lưới thần kinh sinh học để mã hóa bộ nhớ. Con chip này hỗ trợ tính toán song song hàng loạt, cho phép nhiều tính toán diễn ra đồng thời và giảm đáng kể độ trễ xử lý dữ liệu.

Kết hợp tất cả lại với nhau: Robot giống kiến

Kết hợp các thành phần này, nhóm nghiên cứu đã tạo ra một hệ thống robot giống kiến. Họ đã thử nghiệm nó bằng cách sử dụng một robot di động có tên là “Turtlebot3 burger”, robot này có khả năng điều hướng các địa hình khó khăn trong khi chụp ảnh bằng camera sự kiện.

Trong cuộc hành trình xuyên qua những vùng đất có rừng, “bộ não” thần kinh của robot nhanh chóng xử lý các “sự kiện” dựa trên môi trường xung quanh. Thuật toán sẽ kích hoạt sự kiện cảnh báo khi các chướng ngại vật như cành hoặc lá cản trở tầm nhìn của robot. Robot đi qua khoảng cách khoảng 20 feet qua các độ cao khác nhau của thảm thực vật, học hỏi từ mỗi chuyến đi. Trong nhiều thử nghiệm, mô hình AI đã phân tích hiệu quả dữ liệu từ các tuyến khác nhau và phản hồi một cách quen thuộc, thể hiện khả năng khái quát hóa và thích ứng.

Ngược lại, một thuật toán phổ biến gặp khó khăn trong việc nhận ra cùng một tuyến đường mà không có bản ghi video giống hệt nhau, làm nổi bật tính ưu việt của thuật toán lấy cảm hứng từ kiến ​​trong việc thích ứng với môi trường thay đổi.

Hiệu quả và tiết kiệm năng lượng với điện toán mô phỏng thần kinh

Một thách thức lớn với các mô hình AI là mức tiêu thụ năng lượng của chúng. Các hệ thống mô phỏng thần kinh, như SpiNNaker, đưa ra giải pháp bằng cách giảm đáng kể mức tiêu thụ năng lượng. Kiến trúc của SpiNNaker, phản ánh mạng lưới thần kinh trong não, hỗ trợ tính toán phân tán với 18 lõi trên mỗi chip, mô phỏng khoảng 250 tế bào thần kinh. Mỗi lõi xử lý dữ liệu và lưu trữ bộ nhớ một cách độc lập, giảm độ trễ xử lý dữ liệu và nâng cao hiệu quả, đặc biệt đối với các tác vụ thời gian thực như điều hướng robot qua địa hình đầy thử thách.

Định hướng tương lai và độ phức tạp như kiến

Các bước tiếp theo của nhóm nghiên cứu liên quan đến việc nghiên cứu sâu hơn về các mạch thần kinh phức tạp của loài kiến. Khám phá các kết nối giữa các vùng và nhóm não khác nhau có thể nâng cao hơn nữa hiệu quả và khả năng tương tác với thế giới của robot. Cuối cùng, mục tiêu của họ là tạo ra những robot có khả năng điều hướng và tương tác với thế giới thành thạo như những con kiến.

Kết hợp các chuyên gia điều hướng của tự nhiên, loài kiến, vào thế giới robot, các nhà nghiên cứu tại Đại học Edinburgh đã đạt được những bước tiến đáng kể trong việc nâng cao khả năng điều hướng của robot. Bằng cách tận dụng điện toán hình thái thần kinh và hiểu biết sâu sắc về khả năng điều hướng của kiến, họ đã phát triển một thuật toán vượt trội hơn các hệ thống thị giác truyền thống, cung cấp cho robot khả năng thích ứng với môi trường phức tạp và luôn thay đổi. Bước đột phá này không chỉ hứa hẹn cách mạng hóa nông nghiệp bằng cách giải quyết tình trạng thiếu lao động mà còn mở đường cho các robot tinh vi và hiệu quả hơn trong nhiều lĩnh vực khác nhau, từ ô tô tự lái cho đến hơn thế nữa. Khi công nghệ tiếp tục lấy cảm hứng từ thế giới tự nhiên, tương lai của robot ngày càng hứa hẹn.