韩国研究团队在ICRA发布成果
仿照大脑学习方式…让AI学习更快更简单
通过被称为“梦想中的人工智能”的超维计算（HDC）实现的新型人工智能（AI）学习方法，已由韩国本土研究团队成功实现实用化。与用于ChatGPT等人工智能的深度学习方式相比，HDC的速度快15倍，且耗电更少。
右侧为 Hanyang University 名誉教授兼 Kogarobotics 代表 Seo Ilhong，左侧为 DGIST 电气电子计算机工程系教授 Kim Yeseong。14日，两人赴日本横滨出席全球最大机器人学会 ICRA 年度大会并发表论文。Kogarobotics 提供
View original imageKogaro Robotics表示，由汉阳大学名誉教授兼公司代表 Seo Ilhong 和大邱庆北科学技术院（DGIST）教授 Kim Yeseong 等共12名研究人员共同撰写的论文《受人类大脑启发的超维计算》，通过了全球最大机器人学术会议——国际机器人与自动化大会（ICRA, International Conference for Robotics & Automation）的学术审查，并已在日本横滨举行的ICRA年度大会上正式发表。该公司于14日作出上述说明。
HDC被评价为可取代在AI学习和推理中因耗费巨额成本和电力而备受批评的深度学习方式的下一代学习方法。HDC仿照大脑的运算方式设计，不将信息存储在特定神经元中，而是分散存储在大量神经元中。通过具有唯一性的数千个以上向量所表示的超维向量，将一切事物、概念、函数等进行对应与组合，仅凭简单运算即可快速得出推理结果。
这一学习方式在软件层面上模仿了人类大脑，但输入到人工神经网络中的数值需经过多层结构节点之间的无数突触进行运算。由于这种方式伴随着极其庞大的矩阵运算，为提升AI性能而扩大神经网络规模时，运算量也会呈指数级增长。结果就是包括高价图形处理器在内的系统构建成本大幅增加，耗电量也随之上升。
因此，只需较少内存和计算量这一优势，使得基于HDC的AI学习成为关键性方案。此前海外虽对HDC开展过部分研究，但仍停留在理论研究阶段。本次实现HDC的实用化并将其应用于机器人自主行驶，再在世界级学术会议上发表相关论文，被介绍为全球首例。
在将HDC应用于室内自主行驶机器人并与深度学习进行比较的结果中显示，只需约三十分之一的成本，就能实现快15倍的运行速度。此外，其耗电量约为原来的二十分之一，因此非常适合用于轻量化与端侧设备（On-device）AI的实现。Kogaro Robotics代表 Seo Ilhong 表示：“现有的基于深度学习的AI算法虽然展现出非常高质量的学习结果，但随着模型规模不断增大，成本负担也在加重。此次利用轻量化AI技术，开发出能够在端侧机器人环境中同时完成训练和推理全过程的技术，具有重要意义。”
尤其是在此次研究中，团队开发出了无需人为干预即可自主学习既定目标的技术。通过读取可测量360度方向距离的激光雷达（LiDAR）数据，将其转化为控制电机的知觉—行为关系，并用HDC进行仿真以训练模型，同时在学习过程中利用给予回报的强化学习功能。
机器人学会会长 Choi Hyuntaek 表示：“在全球大型科技企业几乎垄断人工智能和机器人核心技术的局面下，Seo Ilhong 博士和 Kim Yeseong 教授此次论文的发表，使世界看到了我国AI和机器人技术的水平”，并称：“HDC技术今后有望成为展示其可应用于需要现场学习领域的重要试金石。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
