Elektrická energie pomáhá najít materiály, které mohou “učit”

Tým vědců z Argonne National Laboratory se podařilo pozorovat neživý materiál, který napodobuje chování spojené s učením, což podle nich může vést k lepšímu umělému inteligentnímu (AI) systému.

Článek popisující studii byl zveřejněn v Advanced Intelligent Systems.

Tým cílí na vývoj nové generace superpočítačů a hledá inspiraci v lidském mozku.

Ne_biologické materiály s učením-podobným chováním

Vědci, kteří se snaží vyvinout počítače inspirované mozkem, se často obrací na nebiologické materiály, které naznačují, že by mohly vyvinout učením-podobné chování. Tyto materiály by mohly být použity k vytvoření hardwaru, který by mohl být spojen s novými softwarovými algoritmy, umožňujícími více energeticky efektivnější AI.

Nová studie byla vedená vědci z Purdue University. Byli vystaveni kyslíkem deficitnímu niklovému oxidu krátkým elektrickým pulzům a vyvolali dvě různé elektrické reakce podobné učení. Podle profesora Shrirama Ramanathana z Rutgers University, který byl profesorem na Purdue University v době práce, vytvořili kompletně elektricky řízený systém, který prokázal učením-podobné chování.

Výzkumný tým se spoléhal na zdroje Advanced Photon Source (APS), zařízení U.S. Department of Energy (DOE) Office of Science v DOE’s Argonne National Laboratory.

Habitizace a senzitizace

První reakce, která nastává, je habitizace, ke které dochází, když se materiál přizpůsobí mírnému šoku. Ačkoli odpor materiálu vzroste po počátečním šoku, výzkumníci si všimli, že se materiál přizpůsobí elektrickému stimulu.

Fanny Rodolakis je fyzik a vědec na APS.

“Habitizace je podobná tomu, co se stane, když žijete poblíž letiště,” říká Rodolakis. “Den, kdy se přestěhujete, si myslíte ‘co za hluk’, ale nakonec si toho téměř nevšímate.”

Druhá reakce, kterou materiál prokázal, je senzitizace, ke které dochází, když je podán větší dávka elektřiny.

“S větší stimulací se reakce materiálu zvyšuje místo snižování v čase,” říká Rodolakis. “Je to podobné jako sledovat strašidelný film a pak mít někoho, kdo vám říká ‘boo!’ zpoza rohu – opravdu vyskočí.”

“Téměř všechny živé organismy prokazují tyto dvě charakteristiky,” pokračuje Ramanathan. “Skutečně jsou to základní aspekt inteligence.”

Obě chování jsou řízena kvantovými interakcemi, ke kterým dochází mezi elektrony. Tyto interakce nelze popsat klasickou fyzikou a hrají roli při formování základny pro fázový přechod v materiálu.

“Příklad fázového přechodu je kapalina, která se stává pevnou látkou,” říká Rodolakis. “Materiál, který zkoumáme, je přímo na hranici a soutěžící interakce, které se dějí na elektronické úrovni, lze snadno naklonit jedním nebo druhým směrem malými stimuly.”

Podle Ramanathana je důležité mít systém, který lze kompletně řídit elektrickými signály.

“Být schopen manipulovat materiály tímto způsobem umožní hardwaru převzít část zodpovědnosti za inteligenci,” říká. “Používání kvantových vlastností k získání inteligence do hardwaru představuje klíčový krok směrem k energeticky efektivním výpočtům.”

Překonání stability-plasticity dilematu

Vědci mohou použít rozdíl mezi habitizací a senzitizací k překonání stability-plasticity dilematu, které je velkou výzvou ve vývoji AI. Algoritmy často bojují s přizpůsobením se novým informacím a když se jim to podaří, často zapomenou některé ze svých předchozích zkušeností nebo toho, co se naučily. Pokud vědci vytvoří materiál, který může habitizovat, mohou ho naučit ignorovat nebo zapomenout zbytečné informace a dosáhnout další stability. Na druhou stranu senzitizace může trénovat systém, aby si pamatoval a zahrnoval nové informace, což umožňuje plasticitu.

“AI často má problém s učením a ukládáním nových informací bez přepsání informací, které již byly uloženy,” říká Rodolakis. “Přílišná stabilita brání AI v učení, ale přílišná plasticita může vést k katastrofickému zapomenutí.”

Podle týmu je jednou z velkých výhod nové studie malá velikost zařízení z niklového oxidu.

“Tento typ učení nebyl dosud proveden v současné generaci elektroniky bez velkého počtu tranzistorů,” vysvětluje Rodolakis. “Jednotlivé spojení systému je nejmenším systémem, který prokázal tyto vlastnosti, což má velké implikace pro možný vývoj neuromorfního obvodu.”