روزی فرا خواهد رسید که پهپادهای کوچک قادر به هدایت خودکار، تشخیص اشیاء و اتخاذ تصمیمات پیچیده باشند.
اما فناوری فعلی هوش مصنوعی باتری آن‌ها را به سرعت تخلیه کرده و زمان پرواز را به شدت کاهش می‌دهد. هوش مصنوعی به قدرت پردازش زیادی نیاز دارد و پهپادهای کوچک با باتری، انرژی محدودی دارند.
محققان دانشگاه A&M تگزاس در حال توسعه راه حل جدیدی هستند: رایانش نورومورفیک (neuromorphic computing) یا «نانو دستگاه‌های شبه نورون».
این سیستم‌ها با الهام از مغز انسان، از نورون‌های بیولوژیکی تقلید کرده و اطلاعات را به طور کارآمد پردازش می‌کنند.
این نورون‌ها ارتباط برقرار می‌کنند، یاد می‌گیرند و تصمیم می‌گیرند و تنها در صورت نیاز فعال می‌شوند که منجر به کاهش مصرف انرژی می‌گردد.
محققان در تلاشند تا یک تراشه هوش مصنوعی کوچک به اندازه دانه برنج برای پهپادهای کوچک ایجاد کنند.
تراشه با نورون‌های مصنوعی
پهپادها برای عملکردهای مختلفی مانند پرواز، ناوبری، حسگری، حفظ پایداری و ارتباط به انرژی نیاز دارند.
پهپادهای بزرگ دارای موتورهای قدرتمندی هستند که برق کافی برای انجام محاسبات سنگین هوش مصنوعی را فراهم می‌کنند. با این حال، پهپادهای کوچک‌تر که با باتری کار می‌کنند، با محدودیت انرژی مواجه هستند.
افزودن تراشه‌های هوش مصنوعی فعلی به این پهپادها، زمان پرواز آن‌ها را به شدت کاهش می‌دهد. به عنوان مثال، پروازی که به طور معمول ۴۶ دقیقه طول می‌کشد، به دلیل تخلیه باتری می‌تواند به چهار دقیقه کاهش یابد.
تیمی به رهبری دکتر سوئین یی، استادیار دپارتمان مهندسی برق و کامپیوتر، روی توسعه هوش مصنوعی کم‌مصرف برای پهپادها کار می‌کنند. محققان در حال بررسی پتانسیل رایانش نورومورفیک هستند.
یک جزء کلیدی این رویکرد شامل توسعه نورون‌های مصنوعی با استفاده از فیلم‌های پلیمری نازک رسانا است.
این تیم بیان می‌کند که این فیلم‌ها می‌توانند سیگنال‌دهی الکتریکی و پردازش اطلاعات نورون‌های بیولوژیکی را تقلید کنند.
علاوه بر این، محققان در تلاشند تا عملکردهای اصلی یادگیری و تصمیم‌گیری را در این سیستم‌های مصنوعی بازتولید کنند. این شامل طراحی فیلم‌های نازک پلیمری رسانا به گونه‌ای است که عملکردشان بازتاب‌دهنده بهره‌وری انرژی مغز باشد.
به طور مشخص، هدف ایجاد نورون‌های مصنوعی است که فقط در صورت لزوم فعال شوند و به جای مصرف مداوم انرژی، اطلاعات را بر اساس تقاضا پردازش و انتقال دهند.
یی گفت: «از طریق این پروژه پیشنهادی، وسایل نقلیه هوایی بدون سرنشین (پهپادها) می‌توانند با ادغام سیستم‌های مواد پلیمری رسانا، هوشمندتر شوند؛ ماده‌ای که هم از نظر مکانیکی انعطاف‌پذیر است و هم می‌تواند مانند نورون‌های مغز، اسپایک (جهش سیگنال) و نوسان داشته باشد.»
یی افزود: «در نهایت، همراه با سیناپس‌های مصنوعی، این نورون‌های مصنوعی انعطاف‌پذیر می‌توانند یک سیستم رایانش نورومورفیک کامل را تشکیل دهند که قادر به تحقق پهپادهای کوچک هوشمند باشد.»
افزایش قابلیت‌های پهپاد
اگر همه چیز طبق برنامه پیش برود، این تراشه هوش مصنوعی نسل بعدی و کوچک، پهپادها را قادر می‌سازد تا وظایف پیچیده‌ای مانند تصمیم‌گیری، شناسایی اشیاء، ناوبری خودکار و تشخیص محیط اطراف را انجام دهند. این تراشه بر اساس قابلیت‌های باتری پهپاد عمل خواهد کرد.
یی در بیانیه مطبوعاتی توضیح داد: «پهپادهای کوچک موتور ندارند، بنابراین بودجه انرژی آن‌ها بسیار کم است. به همین دلیل بسیار مهم است که به یک راه‌حل تحول‌آفرین مانند سیستم‌های رایانش نورومورفیک فراتر از کامپیوترهای دیجیتال دست یابیم که به پهپادهای با باتری اجازه می‌دهد زمان پرواز خود را با هوش مصنوعی، مشابه پهپادهای بدون آن حفظ کنند.»
هدف این تحقیق گسترش قابلیت‌های پهپادهای کوچک است. پهپادهای کم‌مصرف و مجهز به هوش مصنوعی می‌توانند برای انجام وظایف پیچیده مختلف در زمینه‌های متنوعی مانند نظارت، عملیات نجات و مطالعات زیست‌محیطی مورد استفاده قرار گیرند.