Intel Labs, en colaboración con el Instituto Italiano de Tecnología y la Universidad Técnica de Múnich, ha presentado un nuevo enfoque para el aprendizaje de objetos basado en redes neuronales. Se dirige específicamente a aplicaciones futuras como los asistentes robóticos que interactúan con entornos no restringidos, entre ellos la logística, la asistencia sanitaria o el cuidado de personas mayores. Esta investigación es un paso crucial para mejorar las capacidades de los futuros robots de asistencia o fabricación y utiliza la computación neuromórfica a través de nuevos métodos interactivos de aprendizaje de objetos en línea para que los robots, después de su despliegue, puedan aprender nuevos objetos.
Utilizando estos nuevos modelos, Intel y sus colaboradores demostraron con éxito el aprendizaje interactivo continuo en el chip de investigación neuromórfico de Intel, Loihi, midiendo hasta 175 veces menos energía para aprender una nueva instancia de objeto con una velocidad y precisión similares o mejores en comparación con los métodos convencionales que se ejecutan en una unidad central de procesamiento (CPU). Para lograrlo, los investigadores implementaron en Loihi una arquitectura de red neuronal de picos que localizaba el aprendizaje en una sola capa de sinapsis plásticas y daba cuenta de las diferentes vistas de los objetos reclutando nuevas neuronas a demanda. Así permitió que el proceso de aprendizaje se desarrollará de forma autónoma mientras se interactuaba con el usuario.
La investigación se ha publicado en el artículo «Interactive continual learning for robots: a neuromorphic approach» (Aprendizaje continuo interactivo para robots: un enfoque neuromórfico), reconocido como «Best Paper» (Mejor Artículo) en la Conferencia Internacional sobre Sistemas Neuromórficos (ICONS) de este año, organizada por el Laboratorio Nacional de Oak Ridge.
