Kunstmatige intelligentie heeft twee grote nadelen: het vreet energie en vergt zoveel computerkracht, die vaak alleen in een datacentrum of de cloud beschikbaar is. Neuromorphic computing — afgekeken van hoe ons zenuwstelsel werkt — kan data sneller en tot wel 1000 keer zuiniger verwerken zodat dit ook lokaal kan plaatsvinden. Zo lukt het opeens om een vederlichte, insectachtige drone zelfstandig door een plantenkas te laten navigeren.
Kleine autonome drones, nauwelijks zwaarder dan honderd gram en aangestuurd met neuromorphic computing, kunnen een revolutie betekenen voor gewasmonitoring in kassen. Ze kunnen ook een rol spelen in milieuprojecten door bijvoorbeeld helemaal zelfstandig afval op te ruimen in buitenruimtes. Het zijn maar twee voorbeelden uit een visie waar Guido de Croon als hoogleraar Bio-inspired Micro Air Vehicles aan de TU Delft aan werkt.
Zo ver is het nog niet, hoewel zijn onderzoeksgroep al werkende prototypes heeft. In autonoom vliegende microdrones komen alle uitdagingen voor zelfstandig werkende robots samen. De technologie moet ultralicht worden uitgevoerd, extreem energiezuinig zijn en zelfstandig kunnen bewegen in drie dimensies. “Wat nu wordt ontwikkeld voor drones, kan later ook worden toegepast op andere autonome systemen, zoals lopende en rijdende robots.” Het ultieme doel is om robots te ontwikkelen die volledig autonoom opereren, zonder afhankelijk te zijn van externe infrastructuur zoals GPS of WiFi. Dat vergt bijvoorbeeld geavanceerde beeldverwerking voor positiebepaling.
Wat nu wordt ontwikkeld voor drones, kan later ook worden toegepast op andere autonome systemen.”
Afgekeken van het brein
Aan de TU Delft is de afgelopen jaren al veel ervaring opgedaan met de ontwikkeling van drones ter grootte van een insect. Tot voor kort werden die echter bestuurd door een operator. Het zelfstandig vliegen is een fenomeen dat De Croon heeft toegevoegd, onder meer door neuromorphic computing te introduceren. Dat is een relatief nieuwe vorm van dataverwerking die sterk afwijkt van de zogeheten Von Neumann-architectuur. Dit is de basis van de computers die wij dagelijks gebruiken. Traditionele computers werken met een continu, klokgestuurd proces van ophalen, decoderen en uitvoeren van data. Neuromorfische chips daarentegen werken in pieken wanneer een bepaalde drempelwaarde wordt overschreden. Ze worden ook wel omschreven als spiking neural networks. Dit neuromorfische proces lijkt sterk op hoe neuronen in een biologisch brein werken. Een groot voordeel is dat deze neurale netwerken veel minder energie verbruiken. Sander Bohté, die met zijn groep aan het Centrum Wiskunde & Informatica (CWI) en de Universiteit van Amsterdam onderzoek doet aan spiking neural networks, heeft laten zien dat de verwerking van bepaalde algoritmen tot wel een factor 1000 efficiënter kan in een neuromorfische chip in vergelijking met een traditionele chip. Bovendien is de vertraging (latency) veel kleiner, waardoor real-time verwerking mogelijk wordt. Ook leent de aanpak zich heel goed om kunstmatige intelligentie (AI)-taken uit te voeren, doordat er gebruik gemaakt wordt van massaal parallelle gegevensverwerking.
