Andrea Benucci, un cercetător italian în domeniul științelor biologice, a dezvoltat impreuna cu echioa sa de cercetare, o metodă de a crea rețele neuronale artificiale pentru recunoașterea rapidă și precisă a  obiectelor. Cercetarea a avut loc la Centrul RIKEN pentru Știința Creierului din Japonia, unde Benucci este conducatorul laboratorului de circuite neuronale și de comportament.

Grupul de lucru examinează bazele sistemului nervos ale procesării senzoriale, inclusiv vederea. Instrumentele experimentale pe care le folosesc se bazează pe metode de optogenetică, imagistică optică și fixarea electrozilor.

Detaliile cercetării au fost publicate în revista PLOS Computational Biology. Aceasta este o revistă științifică lunară, înființată în 2005, publicată de Public Library of Science în colaborare cu International Society for Computational Biology.

Articolul științific explică rezultatele unei cercetări ce pot fi aplicate cu succes la ”vederea” automobilelor și învățarea automată, a cărei esență este că vehiculul autonom care poate sa învețe cum să recunoască caracteristicile importante din timpul traficului. Principiul este similar cu cel de funcționare a ochiului uman, deoarece obiectele nu devin neclare atunci când mișcăm capul, în ciuda faptului că mediul fizic perceput de ochi se schimba  constant.

Sursă www.pixabay.com

Inițial, rezultatele nu au fost foarte promițătoare - testul urma să clasifice 60 000 de imagini alb-negru, din 10 categorii. Mișcarea ochilor și aportul vizual rezultat nu au fost încă suficient de precis, așa că după antrenamentul cu imagini în miscare, testul a fost refăcut, încheindu-se cu un rezultat bun.

Cea mai recentă dezvoltare a lui Benucci este CNN, adică rețeaua neuronală convoluțională, care va ajuta mașinile autonome într-o recunoaștere stabilă a diferitelor obiecte. CNN optimizează clasificarea obiectelor în timpul mișcării ochiului într-o imagine vizuală - CNN poate de fapt să fie considerat un algoritm de învățare care primește o imagine ca intrare și ii atribuie o importanță, de exemplu greutăți ce poate distinge obiecte  folosind această metodă. Acest lucru este important pentru a minimiza posibilitatea de a face greșeli în condusul masinilor autonome.

Potrivit lui Benucci, „Beneficiile mimării mișcărilor oculare implică faptul că „forțarea” unui senzor de viziune artificială trebuie să conțină tipuri de mișcări controlate. În timp ce informarea rețelei de viziune responsabilă cu procesarea imaginilor asociate despre mișcările auto-generate, ar face viziunea artificială mai robustă și mai asemănătoare cu ceea ce este experimentat în viziunea umană.”

Cu toate acestea, cercetarea nu se oprește aici, în următoarea etapa cercetătorii își vor continua cooperarea cu colegii care lucrează cu tehnologii neuromorfe. Ideea este să implementați circuite reale pe bază de siliciu pe baza principiilor evidențiate în această lucrare și să testați dacă pot îmbunătăți viziunea artificială în aplicațiile din lumea reală.