Forskere efterligner havsneglestrategier i kvantemateriale

Forskere fra Purdue University har opdaget, at et materiale kan efterligne de vigtigste intelligensfunktioner hos en havsnegl. Dette kunne hjælpe dem med at bygge hardware, der kan gøre kunstig intelligens mere effektiv og pålidelig, hvilket kunne have betydning for mange områder som autonome køretøjer, kirurgiske robotter og sociale mediealgoritmer.

Studiet blev offentliggjort i Proceedings of the National Academy of Sciences. Det blev ledet af et hold af forskere fra Purdue University, University of Georgia, Rutgers University og Argonne National Laboratory. 

Shriram Ramanathan er en professor i materialeingeniørvidenskab ved Purdue.

“Gennem studiet af havsnegle har neuroforskere opdaget de grundlæggende kendetegn på intelligens, der er essentielle for overlevelsen af enhver organisme,” sagde Ramanathan. “Vi ønsker at udnytte den modne intelligens i dyr til at accelerere udviklingen af kunstig intelligens.”

At lære af havsnegle

Neuroforskere har lært to hovedkendetegn på intelligens fra havsnegle: habituering og sensibilisering. Habituering sker, når noget eller nogen bliver vant til en stimulus over tid, mens sensibilisering sker, når noget eller nogen reagerer stærkt på en ny stimulus.

Et af de største problemer med kunstig intelligens er “stabilitets-plasticitetsdilemmaet”, der opstår, når kunstig intelligens har svært ved at lære og gemme nye oplysninger uden at overskrive eksisterende oplysninger. Med habituering kunne kunstig intelligens “glemme” unødvendige oplysninger for at blive mere stabil. Samtidig kunne sensibilisering hjælpe den med at fastholde nye og vigtige oplysninger, hvilket muliggør plasticitet.

At demonstrere strategierne i nikkeloxid 

Forskerne kunne demonstrere både habituering og sensibilisering i nikkeloxid, der er et kvantemateriale på grund af dets egenskaber, der ikke kan forklares af klassisk fysik. Hvis et kvantemateriale kunne bruge disse former for læring, kunne det være muligt at bygge kunstig intelligens direkte ind i hardware. Kunstig intelligens kunne udføre mere komplekse opgaver og bruge mindre energi, hvis den kunne fungere både gennem hardware og software.

“Vi har grundlæggende efterlignet eksperimenter, der er udført på havsnegle i kvantematerialer for at forstå, hvordan disse materialer kan være af interesse for kunstig intelligens,” sagde Ramanathan.

Havsnegle demonstrerer habituering, når de stopper med at trække deres gæller tilbage så meget, hvilket er en reaktion på at blive fanget på sifonen. En elektrisk stød til havsneglens hale får gællerne til at trække sig tilbage mere dramatisk, hvilket er sensibilisering. 

For at reproducere dette i nikkeloxid skal der være en øget ændring i elektrisk modstand. Ved at udsætte materialet for hydrogengas gentagne gange, aftager nikkeloxids ændring i elektrisk modstand over tid. Men når en ny stimulus som ozon introduceres, øges ændringen i elektrisk modstand betydeligt. 

Forskningsgruppen tog disse resultater i betragtning, og et hold ledet af Kaushik Roy, Purdues Edward G. Tiedemann Jr. Distinguished Professor of Electrical and Computer Engineering, modellerede nikkeloxids adfærd. De byggede en algoritme, der kunne bruge habituering- og sensibiliseringstrategierne til at kategorisere datapunkter i kluster.

“Stabilitets-plasticitetsdilemmaet er ikke løst overhovedet. Men vi har vist en måde at tackle det på baggrund af adfærd, vi har observeret i et kvantemateriale,” sagde Roy. “Hvis vi kunne omdanne et materiale, der lærer på denne måde, til hardware i fremtiden, kunne kunstig intelligens udføre opgaver meget mere effektivt.”

For at dette skal være nyttigt og praktisk, må forskerne finde ud af, hvordan de kan anvende disse strategier i stor skala, samt bestemme, hvordan et materiale kan reagere på stimuli, mens det er integreret i en computerchip.