Darwin-inspirert maskinvare

Darwin-inspirert maskinvare

Ny maskinvare utviklet ved Universitetet i Oslo lærer av ros og endrer adferd gjennom kunstig evolusjon.

Målet er et intelligent system som fungerer uavhengig av kommunikasjon med omverdenen. I en vanlig datamaskin er alle brikkene programmert en gang for alle. Man kan endre programvaren og data, men ikke de fysiske kretsene. På sikt er man derfor avhengig av fysiske utskiftninger av maskinvaren for å løse eksisterende eller nye oppgaver.

Avdelingen for robotikk og intelligente systemer ved Universitetet i Oslo er i ferd med å utvikle en helt ny type maskinvare som kan løse nye oppgaver på egenhånd ved selv å endre sin fysiske konstruksjon.

Utgangspunktet er programmerbare kretser, såkalte FPGA-er. Disse kan endres under bruk, i motsetning til kretsene som sitter i dagens pc-er. Inspirert av evolusjonen ute i naturen, blir FPGA-brikkens transistorer og logiske porter representert matematisk som en rekke med "gener".

Ved å skru genene av og på måles ytelsen, før man parer de mest vellykkede genene med hverandre for å oppnå enda bedre resultater. Paringen kan fortsette i opptil 30 000 generasjoner før man har funnet den mest optimale konfigurasjonen.

- Naturen har utviklet robuste systemer som overgår alt mennesker har klart å lage. Gjennom kunstig evolusjon lager vi autonome maskinvaresystemer som utvikler seg selv, isolert fra omverdenen, sier professor og dr. ing. Jim Tørresen, som sammen med stipendiat Kyrre Glette har forsket på kunstig evolusjon i snart tre år.

FARGERIK: De turkise trådene er koblinger mellom logiske elementer i en FPGA-brikke. De blå og rosa boksene er elementer som er i bruk, for eksempel logiske porter eller flip-floper.

Pc-en er løven

Evoulsjonen gjennomføres ved at forskerne lager en tenkt grunnpopulasjon med et titalls maskinvarekonstruksjoner. I praksis bygges et kromosom ved å beskrive rammebetingelsene til en krets, som størrelse og antall elementer. Kromosomet består av en bitstreng som definerer kretselementene og sammenkoblingen mellom disse. Strengene er tilfeldig generert, så kretsene har vilkårlige funksjoner, men ved å måle hver enkelt krets blir de beste plukket ut fra hver generasjon.

I krysningsfasen splittes og krysses bitstrengen fra to kretser ved hjelp av en genetisk algoritme, noe som endrer egenskapene til de nye kretsene. Denne utviklingen gjentas gjennom tusenvis av generasjoner, men beregningene tar kun få sekunder til sammen.

- Vi foretar en høynivå-evaluering, og den som leverer nærmest får høyest rangering. På samme måte som langsomme dyr blir innhentet på savannen i Afrika, plukker pc-en ut de svakeste genene fra hver generasjon. Her er det pc-en som er løven, den sørger for at de sterkeste overlever, sier Tørresen.

Motivasjonen bak prosjektet er å løse problemer som ikke har en veldig god løsning i dag, og teknologien er spesielt egnet for fjerntliggende geografiske områder hvor systemene i stor grad må operere på egen hånd. Klokkehastigheten på kretsen er bare en trettiendedel av en pc-prosessor, og mens strømforbruket til en pc er cirka 100 watt, forbruker FPGA-systemet maksimalt to watt. Evolusjonshastigheten er den samme.

- Alt er inne i den ene kretsen istedenfor i en stor pc, noe som gjør systemet langt mer kompakt. Dessuten vil et dynamisk brukergrensesnitt og oppførsel heve kvaliteten, mener Tørresen.

Nytt forskningsområde

Automatisk design skal få maskinen til å tilpasse seg brukeren og ikke omvendt. Basert på en høynivå beskrivelse skal systemet selv drive autonomt design. Det skal gi bedre ytelse samtidig som man får bedre kvalitet, også det at utstyret er mer brukervennlig.

- Ved å tilføre noe kunnskap vil man komme lengre enn å la systemet begynne fra null. Spørsmålet er hva man skal tilføre det automatiserte designet for å komme lengst mulig, samtidig som systemet kontinuerlig skal tilpasse seg omgivelsene. Systemet må få stå fritt til å komme med kreative løsninger, sier professoren.

Også internasjonalt er kunstig evolusjon et forholdsvis nytt forskningsområde. Siden han begynte på doktorgraden høsten 2004 har imidlertid Kyrre Glette hatt forskningsopphold i Tsukuba, Japan. Der har de foreløpig kommet lengst, og blant annet utviklet en håndprotese-kontroll.

En liknende protese lages av førsteamanuensis Mats Høvin som også tilhører avdelingen for robotikk og intelligente systemer ved universitetet i Oslo. Han har sammen med forsker Lena Garder utviklet programvare med evolusjonslæring i en egenutviklet robot som selv lærer seg å gå.

Autonome systemer

For øvrig har Marcus Furuholmen fra Aker Kværner Subsea nylig startet doktorgradsarbeidet om autonome servicesystemer i havet. Glettes doktorgrad er støttet av Forskningsrådet frem til høsten 2008, og det siste gjennombruddet for prosjektet hans har kommet innen sonarrespons, klassifisering av sonarsignaler fra metallrør under vann.

- Vi jobber med å øke nøyaktigheten og hastigheten på beregningene, men ved hjelp av forskerbrukt testmateriale har vi allerede slått fast at vår teknologi gjør klassifisering omtrent tusen ganger raskere enn programvarebaserte metoder, anslår Glette.

I neste fase er målet å lage et komplett demosystem, samt å finne nye bruksområder for teknologien. Glette har allerede utarbeidet en løsning for ansiktsgjenkjenning som gir 96 prosent treff, på en brøkdel av tiden til sammenlignbar programvare.

Les om:

It Bransjen