作者mulkcs (mulkcs)
看板Cognitive
标题[新知] 灵感来自生物的电脑网路会自我组织与学习
时间Mon May 24 20:21:10 2010
Bio-inspired computer networks self-organise and learn
http://www.physorg.com/news186413363.html
February 26, 2010
(PhysOrg.com) -- 以物理上分离的模组所组成的强大电脑、自我组织的网路以及灵感来
自生物系统的运算,这三大热门研究主题现在在一项欧洲计画中聚首。
欧洲研究者已开发出一种创新的运算平台。在这套系统的中心是许多小型模组,每个模组
以晶片制成,具有内建的学习能力。一个自我配置的无线网路会连接这些模组,让它们像
一个一致的群体(coherent group)般运作。
演化成合於正在进行中的任务,并且会对於它们所处环境的资讯产生作用,这样的系统被
它们的开发者描述成「来自生物的灵感」。它们非常适合建构科学问题的数学模型,在其
中复杂(complexity)源自简单的基石,例如脑部、股市以及新点子的扩散。
研究者已使用能够学习的程式 -- 神经网路 -- 来研究像这样的问题。如果他们能将指令
硬体接线(hard-wire)成电脑晶片而非将它们当成软体载入,他们的模拟将能跑更快,
不过,这通常会阻止机器「继续学习」。若晶片能透过在实体上重新配置它们自己(
physically reconfiguring themselves)而学习(新事物),将能够呈现出这两种世界
中最好的结果。
大量电脑平行运作以解决复杂问题并不是新构想。然而,这样的网路并非十分有弹性,因
为电脑必须以专为每种任务量身订做的软体个别设定。这项 European PERPLEXUS 计画因
而利用此研究中另一种热门主题:自我组织的无限网路,那能使自己适应正在进行中的工
作。
普适模组与普适晶片(Ubidules and ubichips)
原则上,这样的网路,可藉由任何伸手可及的、备有无线网路的装置 -- 电脑、智慧手机
、机器人甚至是电子玩具 -- 组装自己,提供所谓的「普适运算(ubiquitous computing
)」,这个由欧盟所赞助之 PERPLEXUS 计画的发言人 Andres Perez-Uribe 解释。
在这项计画中,研究者将他们自己设限在一种模组网路上,该网路由一种基本的基石所构
成:普适模组(ubidule),一种为特定目的而设计的模组,大小与 PDA 类似。普适模组
能取得来自於环境中的资讯,以无线方式共享资料,并使它们的行为能够合於情势。例如
,在一大型网路中,某些普适模组也许会演化成专门从事特定任务,而其他的普适模组则
会把任务托付(delegate)给它们。
每个普适模组的关键是一个处理器晶片,普适晶片(ubichip),那能够学习与演化。这
个构想来自於一项更早期的欧盟计画,POEtic,那开发出一款基於大量同一次单元(即
cell)的处理器。端看目前任务,每个 cell 能藉由改变其初始接线(internal wiring
)而改变其功能;在更高的层次上,cell 之间的连线也能够被建立或破坏。直到目前为
止,这样的弹性只有那些已受到外部程式化(externally programmed)的晶片才能拥有
。相较之下,这些普适晶片能自行产生必要的接线。
塑模脑部与文化(Modelling brains and cultures)
研究者表示,普适模组能塑模物理科学中基於网格(grid-based)的问题以及生物系统、
社会科学中难以公式化(formulate)的挑战。例如,他们已利用普适模组来发展貌似生
物学上的脑部神经网路模组,并用来研究点子如何在人们之间传开。
能以网格或网路具体化的问题通常在称为代理人(agents)之自主程式的帮助下进行研究
,那从网路的不同部份收集与交换资讯。此刻,这样的交换通常非常基本,代理人通常把
到来的所有资讯通通传出去。Perez-Uribe 解释,普适模组所构成的网路,能赋予每个代
理人专属的神经网路。透过诠释资料以及对它们所传递的东西更有选择性,这些智慧型代
理人能产生更好的模型。
此计画的另一项分支涉及一群小但精练的全地形机器人,它们都装有普适晶片。研究者在
所谓的集体机器人学(collective robotics)领域中开发出一项新策略,其前提是,一
群彼此相互通讯的机器人比个别动作的相同机器人更有效率。(想想蚂蚁)
在此例中,研究者观察搜索机器人如何确定一处重要地点,例如它们得要拾起的物品的聚
集点。每个机器会展现出有颜色的标灯(beacon),并配有一具摄影机能看见其他机器人
的标灯。机器人会改变其标灯的颜色以发讯告知它们已成功地找到目标,而邻近的机器人
能复制它们的行为。
结果呈现出标灯颜色的梯度(gradien),那引导其他机器人朝向目标前进,而不是像你
在一处不熟悉的购物商场中,你可能会跟在那些提着特定塑胶袋的人们後面来寻找特定店
面。根据 Perez-Uribe 表示,这种技术对於那些不可能使用固定座标或 GPS 引导的情况
大有可为。
反映出 PERPLEXUS 向前看的天性,它受到瑞士、法国、波兰与西班牙的学术单位控制。
PERPLEXUS 的资金来自於第六框架(Sixth Framework)研究计画的 ICT 标准(FET
Proactive)。
--
原始网址:
http://only-perception.blogspot.com/2010/05/blog-post_5227.html
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 118.160.160.193
1F:→ mulkcs:其实这篇我自己看不太懂 囧rz 05/24 22:34
2F:→ shoxx:看起来是透过机器人进行类神经网路模拟人类社会行为 05/24 23:16
3F:→ mulkcs:看起来好复杂 XD 05/26 12:27
4F:推 brendonfish:大概来说,他们作出了可以独立学习的计算模组, 06/06 13:27
5F:→ brendonfish:多个模组可以自我分工,再整合各自的计算结果,有点 06/06 13:29
6F:→ brendonfish:像功能区位化假设下的大脑;这种架构的另一个应用是 06/06 13:30
7F:→ brendonfish:团体动力学的作法,每个模组的功能相同,但配置在不同 06/06 13:31
8F:→ brendonfish:解空间的不同位置寻找答案,在彼此沟通交换自己得到的 06/06 13:33
9F:→ brendonfish:答案,修正自己的寻找方向,达到团体最佳解。 06/06 13:34
10F:→ brendonfish:修正一下,第四行是同一姐空间的不同位置。 06/06 13:36
11F:→ mulkcs:推楼上解释 这样果然比较好懂...但我很想知道 这样会收敛吗 06/07 01:29
12F:→ mulkcs:或者我觉得收敛的速度会是一个重要的关键... 06/07 01:29
13F:推 brendonfish:第一个情况是功能分工,所以我想是需要整合个模组的 06/07 07:03
14F:→ brendonfish:机制,第二个情况是有收敛的机制,模组间的沟通会产生 06/07 07:04
15F:推 brendonfish:西瓜偎大边的行为,当前有较佳解的模组会藉由沟通吸引 06/07 07:29
16F:→ brendonfish:其他模组搜寻较佳解附近的解空间,渐渐得到团体共识。 06/07 07:30
17F:→ brendonfish:详细的机制我不是很清楚,不过应该跟其它最佳化的方法 06/07 07:33
18F:→ brendonfish:一样,要看解空间大小跟复杂度,使用的搜寻模组数量, 06/07 07:36
19F:→ brendonfish:还有决定搜寻策略的参数之类的。 06/07 07:38
20F:→ brendonfish:总之,第一个情况系统是分工再整合,也许没有收敛的 06/07 07:41
21F:→ brendonfish:问题;第二个情况要是解空间大小与复杂度,选适量的搜 06/07 07:44
22F:→ brendonfish:寻模组,跟适当的行为参数,就会收敛得快又好。 06/07 07:48