ATR (Advanced Telecommunication Research Inst.) er et
forskningssenter med utspring fra det japansk telefonselskapet NTT. Mye av
forskningsaktivitetene er relatert til telematikk-applikasjoner som
taledeteksjon-oversetting-talesyntese (japansk-engelsk),
bilde-kompresjonsteknikker, bildetelefon, nettverkssikkerhet, osv.
Senteret ble åpnet i 1985 og er topp moderne. De har masse datautstyr der,
som Connection Machine CM-5, Intel iPSC (32 pros), Silicon graphics ONYX
(24 pros), nCUBE ++
Beskrivelse av to av prosjektene:
1) `Teleconferencing with realistic sensations'. Vha av grafikk lages
et 3D felles arbeidsrom som personer plassert på forskjellig
geografisk sted kan jobbe i. Bildet av de andre deltagerne blir satt
sammen til et kunstig bilde som en ser i 3D på en TV-skjerm (bruker
briller), slik at en får følelsen av å være i samme rom som dem. I
tillegg finnes noen objekter som alle deltagerne kan jobbe med (f.eks
tavle, klosser til å bygge modell med o.l.). Det benyttes en `Data
Glove' til å registrere finger/håndbevegelse. Bevelsene gjøres i
det 3D bildet en ser, slik at en kan ta tak i et objekt (romferga ble
brukt som objekt!) og flytte/rotere det. Det forskes også på å
registrere håndbevegelser med et kamera og en skjerm som ikke trenger
briller. Jeg testet den foreløpige prototypen og ble imponert!
Problemene er at masse datakraft trengs og derfor vil ikke systemet
være i salg i dette århundret, mente de.
2) `Artificial brain/life'. Jobber med å videreutvikle nevrale
nettverk og lage systemer som kan lære etter samme prinsipper som
mennesket. Målet er å lage systemer som kan læres vha evolusjon.
Artificial Life blir ofte sammenlignet med det å modellere en
avgrenset verden bestående av f.eks. maur. Et maursamfunn utvikles/endres
basert på kontakt mellom enkeltindivider av maur og danner et
samfunn der de beste egenskapene overlever og utvikles.
Artificial brain prosjektet bygger mye på at systemet skal begynne
med enkle moduler (celler) som vha regler utvikler seg til mer
komplekse objekter (kalt evolusjonær hardware). Ideen er basert på
Cellular Automata (CA). CA-celler har et endelig antall tilstander.
En celle endrer tilstand/bygges ut med en ny celle basert på egen og
naboenes tilstander (ingen global kontroll). Læring gjøres med
genetiske algoritmer (GA) slik at et nettverk med gode egenskaper har
best evne til å overleve i utviklingsfasen. Prosjektet går ut på
å bygge en CAM (Cellular Automata Brain) innen år 2001. Problemet
angripes fra flere vinkler. En er å la et nettverk av CA celler
`gro' og danne et nevralt nettverk. Dette nettverket blir etterpå
opplært ved å bruke GA. Tanken er at ved å la systemet utvikle seg
uten mennesklig global kontroll kan en danne veldig komplekse og
funksjonelle roboter o.l. De innrømte villig at dette var
grunnforskning/framtidstanker og at de noen ganger lurte på om de
jobbet på riktig spor (men det lurer vi vel kanskje alle på...).
Semiconductor Research Lab ved Mitsubishi Electric Company jobber
med optisk nevronett-kretser. De har utviklet en kunstig netthinnekrets
basert på `variable sensitivity photodetectors' (VSPD'er). Kretsen
brukes som en front-end til et bildebehandlingssystem. Den har innebygd
funksjon for en rekke bildebehandlingsoperasjoner (kantdeteksjon,
projeksjon ned på x eller y akse,++) som kan gjøres raskt. Datamengden
blir dermed redusert og videre prosessering kan gå raskere. En
av applikasjonene er å detektere japanske tegn ved å sammenligne
projeksjoner til ukjent tegn med lagrede projeksjoner for hvert japansk
tegn. De har oppnådd høy grad av gjenkjenning ved denne metoden.
VSPD'er er også brukt i en optisk nevronett-brikke med 32 nevroner.
Matrise-vektor multiplikasjon utføres i parallel ved at LED-lys
sendes mot VSPD'er. Brikken har mulighet for 32x32 nodeforbindelser og
er verdens første optiske krets der vektene kan endres. Tidligere
har de utviklet en serie med analoge nevronett-kretser og nå en
digital 1.2 GFLOPS nevronett-krets. Det er veldig spennende og
framtidsrettet forskning! Som de sa, så jobber de med å lage
`PC'-mikroprosessoreren for framtida. De er opptatt av å lage kretser
så generelle som mulig slik at det kan tilpasses til framtidige
algoritmer og mange applikasjoner.
Prof. Kunihiko Fukushima, Osaka University.
Grunnleggeren av
Neocognitron nevralt nettverk. Det har vist seg å gi høy gjenkjenningsevne
for bl.a. håndskrift. Jeg ble vist flere forskjellige demonstrajoner med
fin grafikk som viste aktivitet i de forskjellige lagene. Det er gjort forsøk
både med enkeltbokstaver og sammenhengende skrift.
Prof. Akira Iwata, Nagoya Institute of Technology.
Jeg besøkte
ham på en rekordvarm (40.6'C ble meldt som ny varmerekord) dag i Nagoya.
Prof. Iwata har foreslått det nevrale nettverket CombNET. Det har vist
gode egenskaper for bokstavgjenkjenning. Nettverket er brukt både for
gjenkjenning av japanske og engelske bokstaver. Forskningen er videreført
med å se på bildekompresjon i medisinske anvendelser.
Jeg mottok kopi av en god del artikler på disse besøkene (så kontakt meg hvis du ønsker flere detaljer).