Tech.eu では、AI (主に生成 AI) に取り組むスタートアップ企業からプレス向けのピッチを数多く受け取ります。 私は常に何か違うものを探しているので、10 年にわたる昆虫の脳幹の研究に基づいて AI へのアプローチを開発した英国のスタートアップ企業、Opteran に出会ったときに興味が湧きました。
Opteran は生物学的システムをシリコン上でリバース エンジニアリングし、機械が視覚、感知、ナビゲーション、衝突の回避、既存の AI アプローチよりも優れた意思決定を行えるようにします。 これを「自然知能」と呼び、脳の生体模倣としても知られています。
さらに詳しく知るために、Opteran CEO の David Rajan 氏に話を聞きました。
「自然はすでに自律性を解決しています。」
Opteran チームは、自律システムが直面する複雑な問題の多くは、数十億年の進化のおかげで自然が解決したと主張しています。
「本当に自律性の魂を見たいなら、Googleのデータセンターを見るのではなく、庭園を見なさい。自然はすでに自律性を解決している」とラジャン氏は断言する。
Opterran はシェフィールド大学からスピンアウトし、このアイデアの誕生は欧州連合の人間の脳プロジェクトでした。これは欧州連合が資金提供した 10 億ユーロの科学研究プロジェクトで、2013 年から 2023 年までの 10 年間実施されました。これは最大規模の脳の 1 つでした。これまでに実施された科学プロジェクトには、ヨーロッパ全土の 150 以上の機関から 500 人を超える研究者が参加しています。
ラジャン氏はこう振り返った。
「ジェームズは、これは、許してください、あなたが今まで聞いた中で最も愚かなアイデアの一つだと思いました。
彼は、脳の地図を作成する場合は、最も複雑な脳の 1 つを選択して始めるべきではないと考えました。 人間の脳には 860 億個のニューロンがあります。
簡単なものを選んで、その方法を学びましょう。 そこでジェームズは、「どうするだろうか？ 100 万個対 860 億個のニューロンを持つミツバチのような昆虫を選ぶだろう」と考えました。
ミツバチは記憶して目的地へ往復したり、障害物を避けたり、他のミツバチに旅の様子を伝えたりすることができます。 ああ
人間と同じように目で見て、世界を認識し、動き回って、マイクロワットのエネルギーを使用できる小さなコンピューターパッケージを使ってナビゲートすることができます。」
Natural Intelligence は AI の第 3 の波を提供し、より多くのデータとコンピューティング能力があれば自律性に関するすべての課題を克服できるという一般的な信念に挑戦します。
Opteran は、ペタバイト規模のデータを数千台のサーバーに収集し、基礎モデルを使用してパターン マッチングを行うのではなく、過去 1 億年にわたって生物学で進化してきた自然な脳アルゴリズムをリバース エンジニアリングします。
Rajan 氏は、NVIDIA のような業界大手のアプローチを嘲笑し、次のように主張します。
「私たちは英国の小さな会社です。私たちは 1 つのシステムと 1 つのアルゴリズムを備えたソフトウェア製品を持っています。
私たちは脳からリバースエンジニアリングします。 会社として、私たちはデータセンターを持っておらず、アカウントさえ持っていません。
そして、私たちは生物学からアルゴリズムをリバースエンジニアリングし、それをあらゆるマシンに搭載します。」
同社の技術は、「自然から盗んだ汎用のアルゴリズムセットを使って走り回る」ロボット犬、ドローン、地上ロボットに取り組んでいる。
Opteran の昆虫アルゴリズムが機械に実装されると、その機械は、非常に変化しやすい動的な環境でうまく動き回る生来の能力を備えています。
商業的な牽引力を獲得して倉庫自律ロボットの問題点を解決
重要なのは、同社が商業的な牽引力を得るのに苦労している多くの大学のスピンアウトの問題点に陥っていないことだ。 同社は最近、ドイツの自律型ピッキング・搬送ロボットメーカーであるモバイルロボット（AMR）メーカーとの提携を発表した。 セーフログ は、同社の汎用自律製品である Opteran Mind を AMR に統合します。
自律移動ロボット (AMR) は、特に荷積みベイや倉庫の棚などのエリア間で光が動的に変化する場合に、既存の自律システムがパレットと特徴のないエイリアス空間を区別するのに苦労している倉庫内で動作します。
2D および 3D LIDAR、および vSLAM (視覚的な同時位置特定とマッピング) を使用する現在のソリューションは、位置エラーが発生しやすいです。
倉庫環境で何百ものロボットが一緒に動作する場合、この問題はさらに悪化します。 各設置には磁気トラックと QR コードまたは反射板で構成されるインフラストラクチャが必要であり、試運転時間と運用コストが増加します。
Opteran のエッジ専用ソフトウェアは、低コストのカメラとシリコンを使用しています。 重要なのは、Opteran のソリューションのコストは、Sony IMX219 カメラと RK4566 ARM チップを使用する Sony および ARM Core 上で実行すると 160 ドル未満になる可能性があると見積もっていることです。 これは、2D LiDAR セットアップの場合は 8,400 米ドルから 3D LiDAR セットアップの場合は 27,000 米ドルまでのコストがかかる現在の最先端のソリューションとは対照的です。
Opteran のローカリゼーション ソフトウェアを使用すると、インフラストラクチャを追加することなく、新しいプロジェクトを迅速かつ効率的にアクティブ化できます。
ラジャンは提携の経緯を次のように説明した。
「SafeLog の経営責任者は非常に精通しています。彼らは世界を理解しており、特に AI の話に売り込まれているわけではありません。
「ほら、我々は反AIだ」と言うことで彼らの興味を引いたと思います。 私たちは別の方法でやっています。 そのような小さなことは、誰かの耳を引くのに役立ちます。
私たちの技術を彼らに伝えたとき、ゴムが道路に当たりましたが、彼らはそれを壊すことができませんでした。
ロボットを地面から持ち上げて部屋中を移動させ、地図上の別の場所に戻すと、ロボットは自分がどこにいるかをすぐに認識して作業を続行します。
彼らは懐中電灯の光をカメラに向けていましたが、カメラはまだ作動していました。
結局、彼らはレンズを手で覆い、私たちが視覚ナビゲーションを使用していることを証明しました。」
同社の技術は、空中検査、石油、ガスなどで使用されるドローンを含むさまざまな業界に関連しており、汚れ、薄暗い、危険で困難な環境ではロボットの自律性を実現することが困難な場合があります。
おそらくその最大の名声は、自動車業界の関心も集めていることでしょう。
ラジャンはこう説明した。
「私たちは、先進運転支援や自動運転車など、その分野の企業と具体的な取り組みを始めています。
彼らは、低コストのカメラや既存のカメラを使用するという概念にも非常によく反応しています。
彼らは、近距離視覚と位置特定を行うための新しい車をすでに手に入れています。 したがって、大量にあり、多額の費用がかかる近接場ライダーや超音波を置き換える機能は魅力的です。 近視野視野には多くのユースケースが存在しており、当社は膨大なコスト障壁を排除します。
彼らにとって大きなメリットは、GPS 信号のない地下駐車場で自動バレーパーキングのようなことができることです。」
Opteran の次に期待されているのは、意思決定などの高次機能です。 ラジャンは次のように詳しく説明しました。
「私たちは研究室で自然な意思決定を行ってきました。これにより、機械がやりたいことを選択し、優先順位を付けることができるようになります。したがって、私たちはそれを展開したいと考えています。
誰もがこの動きを正しく進めようとしています。 次に、移動中にはいくつかの決定を下す必要があります。
強化学習モデルをサポートする大規模なデータセットなしで、どうやってそれを行うのでしょうか?
世界からインプットを受け取り、何をすべきかを選択できる自然な脳アルゴリズムはどのようにして備わっているのでしょうか?」
同社はまた、学習、画像認識、重力などの抽象的な概念にもさらに取り組むことを目指しています。
「自然には本質的に適応力があります。適応性の問題を効果的に解決することが重要です。」