CLANE: Continual Learning of Actions on Neuromorphic Hardware from Event Cameras
यह शोध पत्र CLANE प्रस्तुत करता है, जो इंटेल लोइही 2 (Intel Loihi 2) न्यूरोमॉर्फिक हार्डवेयर पर तैनात एक एंड-टू-एंड निरंतर शिक्षण (continual learning) प्रणाली है, जो उच्च ऊर्जा दक्षता और कम विलंबता के साथ नवीन मानवीय क्रियाओं को पहचानने और सीखने के लिए इवेंट कैमरों का उपयोग करती है, तथा THU E-ACT-50 डेटासेट पर 70.4% सटीकता प्राप्त करते हुए पारंपरिक एज GPU बेसलाइनों से काफी बेहतर प्रदर्शन करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रोबोट को मानवीय इशारे पहचानना सिखा रहे हैं, जैसे कि हाथ हिलाना, ताली बजाना या इशारा करना। आमतौर पर, आप इसे हजारों वीडियो दिखाकर सिखाएंगे, और फिर हर बार नया इशारा जोड़ने के लिए पूरे सिस्टम को फिर से प्रशिक्षित (retrain) करेंगे। यह एक नई भाषा सीखने के लिए हर बार अपने पूरे शब्दकोश को फिर से लिखने जैसा है। यह धीमा है, इसमें बहुत ऊर्जा खर्च होती है, और इसके लिए एक विशाल कंप्यूटर मस्तिष्क की आवश्यकता होती है।
यह शोध पत्र CLANE पेश करता है, जो रोबोट को सिखाने का एक नया तरीका है जो तेज़ है, बहुत कम शक्ति का उपयोग करता है, और सीधे डिवाइस पर ही होता है। यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:
1. आँखें: "इवेंट कैमरा" (The Event Camera)
मानक कैमरे पुराने फिल्म कैमरों की तरह होते हैं; वे हर सेकंड के एक अंश में एक पूरी तस्वीर लेते हैं, भले ही कुछ भी हिल न रहा हो। यह बहुत सारा बेकार डेटा बनाता है (जैसे कि एक स्थिर दीवार की फोटो)।
CLANE इवेंट कैमरों का उपयोग करता है। इन्हें "मोशन-सेंसिंग आँखें" समझें। ये केवल तभी "देखते" हैं जब कुछ बदलता है। यदि हाथ हिलता है, तो कैमरा केवल उन पिक्सेल को रिकॉर्ड करता है जहाँ हाथ हिला था। यह एक ऐसे कमरे की तरह है जहाँ लोग केवल तभी बोलते हैं जब उनके पास कुछ नया कहने के लिए होता है, बजाय इसके कि हर कोई लगातार बातें करता रहे। यह डेटा का एक विरल (sparse) और कुशल प्रवाह बनाता है।
2. मस्तिष्क: "स्पाइकिंग न्यूरल नेटवर्क" (The Spiking Neural Network)
अधिकांश AI मस्तिष्क (डीप लर्निंग) भारी-भरकम कैलकुलेटर की तरह होते हैं जो लगातार नंबरों की गणना करते हैं। CLANE एक स्पाइकिंग न्यूरल नेटवर्क (SNN) का उपयोग करता है।
एक SNN को एक तंत्रिका तंत्र (nervous system) की तरह समझें। लगातार गणना करने के बजाय, इसके "न्यूरॉन्स" तब तक शांत बैठे रहते हैं जब तक कि उन्हें एक विशिष्ट संकेत (एक "स्पाइक") प्राप्त नहीं होता। जब पर्याप्त संकेत आते हैं, तो वे सक्रिय हो जाते हैं। क्योंकि इवेंट कैमरा केवल तभी संकेत भेजता है जब चीजें हिलती हैं, इसलिए मस्तिष्क केवल आवश्यकता पड़ने पर ही जागता है। इससे बहुत अधिक ऊर्जा की बचत होती है।
3. सीखने की शैली: "निरंतर सीखना" (Continual Learning)
AI की सबसे बड़ी चुनौती कैटास्ट्रोफिक फॉरगेटिंग (Catastrophic Forgetting) है। यदि आप एक मानक AI को एक नया करतब सिखाते हैं, तो वह अक्सर पुराने करतबों को भूल जाता है क्योंकि वह अपनी याददाश्त को ओवरराइट कर देता है।
CLANE निरंतर लर्निंग (Continual Learning) का उपयोग करता है। कल्पना कीजिए कि एक लाइब्रेरियन नए किताबें आने पर पुरानी किताबें फेंक नहीं देता। इसके बजाय, वह लाइब्रेरी में एक नया सेक्शन जोड़ देता है। CLANE एक-एक करके नए कार्यों को सीखता है, ऑनलाइन, बिना पिछले 3क 38 कार्यों को भूले। वह यह बिना पुराने वीडियो को दोबारा देखे (नो "रीप्ले बफर") करता है, जिससे मेमोरी की और भी बचत होती है।
4. हार्डवेयर: "लोइही 2" (Loihi 2)
यह सब Intel Loihi 2 नामक एक विशेष चिप पर चलता है।
- मानक कंप्यूटर (GPUs): एक व्यस्त राजमार्ग की तरह जहाँ हर कार (डेटा) एक चौड़ी सड़क पर चलती है, भले ही सड़क खाली हो। वे शक्तिशाली हैं लेकिन बहुत अधिक ईंधन (ऊर्जा) का उपयोग करते हैं।
- Loihi 2: छोटे, स्थानीय फुटपाथों के नेटवर्क की तरह। यह केवल उसी पथ को रोशन करता है जहाँ कोई व्यक्ति चल रहा है। क्योंकि यह डेटा को वहीं प्रोसेस करता है जहाँ वह रहता है (चिप पर) और इसे किसी विशाल मेमोरी बैंक में वापस भेजने की आवश्यकता नहीं होती, इसलिए यह अविश्वसनीय रूप से कुशल है।
"जादुई" एड-ऑन्स (The "Magic" Add-ons)
इसे चलते हुए कार्यों (जो समय के साथ होते हैं) के लिए काम करने योग्य बनाने के लिए, शोधकर्ताओं ने Loihi 2 चिप में दो नए उपकरण जोड़े हैं:
- टेम्पोरल एग्रीगेशन (Temporal Aggregation): यह एक "समय-रक्षक" की तरह है जो कुछ सेकंडों में चलते हुए हाथ से आने वाले सभी छोटे स्पाइक्स को इकट्ठा करता है और उन्हें एक एकल "इशारे के विवरण" में संक्षिप्त करता है।
- नॉर्मलाइजेशन (Normalization): यह एक "स्केल-एडजस्टर" है। चिप को गणित करने का एक नया तरीका (भाग देना) विकसित करना पड़ा जिसे करने के लिए वह मूल रूप से नहीं बना था, ताकि एक चतुर शॉर्टकट का उपयोग करके यह सुनिश्चित किया जा सके कि डेटा सीखने से पहले पूरी तरह फिट हो जाए।
परिणाम: "द रेस" (The Results)
शोधकर्ताओं ने एक शक्तिशाली एज कंप्यूटर (Nvidia Jetson Orin Nano) पर चलने वाले मानक AI के मुकाबले CLANE का परीक्षण किया।
- सटीकता (Accuracy): CLANE थोड़ा कम सटीक था (70% बनाम 73%), लेकिन फिर भी बहुत अच्छा था।
- गति (Speed): CLANE 16 गुना तेज़ था।
- ऊर्जा (Energy): CLANE ने 100 गुना से अधिक कम ऊर्जा का उपयोग किया।
निचोड़ (The Bottom Line)
CLANE साबित करता है कि आप एक ऐसा रोबोट बना सकते हैं जो वास्तविक समय में, सीधे डिवाइस पर, वर्तमान तकनीक की तुलना में बहुत कम बैटरी पावर का उपयोग करके नए कार्यों को सीख सकता है। यह एक गैस से चलने वाले भारी ट्रक से एक अत्यधिक कुशल इलेक्ट्रिक साइकिल में अपग्रेड करने जैसा है जो अभी भी भारी भार ले जा सकती है, जो विशेष रूप से ऑगमेंटेड रियलिटी (AR) और रोबोटिक्स की "हमेशा चालू रहने वाली" दुनिया के लिए डिज़ाइन की गई है।
नोट: यह शोध पत्र इस विशिष्ट डेटासेट पर एक्शन रिकग्निशन की इन दावों को सख्ती से सीमित करता है। यह दावा नहीं करता है कि यह तकनीक चिकित्सा उपयोग, स्वायत्त कारों या इस प्रयोग के दायरे से परे अन्य विशिष्ट अनुप्रयोगों के लिए तैयार है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।