Forskere finder ud af, at læring kan efterlignes i syntetisk stof

Forskere ved Rutgers University har fundet ud af, at læring kan efterlignes i syntetisk stof. Læring er en nøglefunktion i intelligens, og den nye opdagelse kan have store implikationer for algoritmeudvikling i kunstig intelligens (AI).

Den nye studie er offentliggjort i tidsskriftet PNAS.

En grundlæggende egenskab hos mennesker

Den grundlæggende egenskab ved læring hos mennesker har været inspirationen for udviklingen af mange AI-teknologier, og det giver dem mulighed for at tilpasse sig til ændrede betingelser og omgivelser. Men AI er ofte fokuseret på at efterligne menneskelig logik. Den nye opdagelse af forskerne giver en vej til at efterligne menneskelig kognition i enheder, der kan lære, huske og træffe beslutninger på samme måde som mennesker og vores hjerner.

Ved at skabe dette i fast tilstand kan nye algoritmer i AI og neuromorfe beregninger udvikles med fleksibiliteten til at håndtere usikkerheder, modsigelser og andre lignende aspekter, der er til stede i vores daglige liv. Neuromorfe beregninger bygger kunstige nervesystemer til at overføre elektriske signaler, der efterligner hjernesignaler, og det gør det for at efterligne den samlede neurale struktur og drift af det menneskelige hjerte.

Forskerne ved Rutgers blev sammen med kolleger fra Purdue, University of Georgia og Argonne National Laboratory.

Nickeloxids rolle

Sammen studerede forskerne, hvordan den elektriske ledningsevne af nickeloxid, der er en særlig type isoleringsmateriale, reagerede efter, at dets miljø var ændret flere gange over forskellige tidsintervaller.

Subhashish Mandal er en postdoc-medhjælper i afdelingen for fysik og astronomi ved Rutgers-New Brunswick.

“Målet var at finde et materiale, hvis elektriske ledningsevne kan justeres ved at modulere koncentrationen af atomare defekter med eksterne stimuli som ilt, ozon og lys,” sagde Mandal. “Vi studerede, hvordan dette materiale opfører sig, når vi doper systemet med ilt eller hydrogen, og mest vigtigt, hvordan den eksterne stimulation ændrer materialets elektroniske egenskaber.”

En af forskernes fund var, at når gasstimuli ændrede sig hurtigt, kunne materialet ikke reagere fuldt ud. I stedet forblev det i en ustabil tilstand i enten miljø, mens dets respons begyndte at aftage.

Forskerne introducerede derefter en noxium-stimulus som ozon, og materialet reagerede stærkere, før det aftog igen.

“Det mest interessante ved vores resultater er, at det demonstrerer universelle læringskarakteristika som habituering og sensitivitet, som vi normalt finder i levende arter,” sagde Mandal. “Disse materialegenskaber kan i sin tur inspirere nye algoritmer for kunstig intelligens. Ligesom kollektiv bevægelse af fugle eller fisk har inspireret AI, tror vi, at kollektivt adfærd af elektroner i en kvantumfast stof kan gøre det samme i fremtiden.

“Det voksende felt af AI kræver hardware, der kan hoste adaptive hukommelsesegenskaber ud over, hvad der bruges i dagens computere,” fortsatte han. “Vi finder, at nickeloxid-isolatorer, der historisk har været begrænset til akademiske formål, kan være interessante kandidater til at blive testet i fremtiden for hjernelignende computere og robotter.”