Η Ηλεκτρισμός Βοηθά να Βρεθούν Υλικά που Μπορούν να “Μαθαίνουν”

Μια ομάδα επιστημόνων στο Argonne National Laboratory κατάφερε να παρατηρήσει ένα μη βιολογικό υλικό να μιμείται τη συμπεριφορά που συνδέεται με τη μάθηση, κάτι που λέει ότι μπορεί να οδηγήσει σε καλύτερα συστήματα τεχνητής νοημοσύνης (AI).

Το έγγραφο που περιγράφει τη μελέτη δημοσιεύθηκε στο Advanced Intelligent Systems.

Η ομάδα έχει ως στόχο να αναπτύξει την επόμενη γενιά υπερυπολογιστών και να κοιτάξει τον ανθρώπινο εγκέφαλο για έμπνευση.

Μη Βιολογικά Υλικά Με Συμπεριφορές Τύπου Μάθησης

Επιστήμονες που ψάχνουν να φτιάξουν υπολογιστές που εμπνέονται από τον εγκέφαλο συχνά στρέφονται σε μη βιολογικά υλικά που δείχνουν ότι θα μπορούσαν να αναλάβουν συμπεριφορές τύπου μάθησης. Αυτά τα υλικά θα μπορούσαν να χρησιμοποιηθούν για να κατασκευάσουν υλικό που θα μπορούσε να συνδυαστεί με νέες αλγορίθμους λογισμικού, επιτρέποντας πιο ενεργειακά αποδοτικά συστήματα AI.

Η νέα μελέτη ήταν υπό την ηγεσία επιστημόνων από το Πανεπιστήμιο Purdue. Εκθέσαν τον οξυγόνο ελαφρά ανεπαρκή οξείδιο του νικελίου σε σύντομες ηλεκτρικές παλμούς και προκάλεσαν δύο διαφορετικές ηλεκτρικές απαντήσεις tương tự με τη μάθηση. Σύμφωνα με τον καθηγητή Shriram Ramanathan του Πανεπιστημίου Rutgers, ο οποίος ήταν καθηγητής στο Πανεπιστήμιο Purdue την εποχή της εργασίας, ήρθαν με ένα εξ ολοκλήρου ηλεκτρικά-κίνητο σύστημα που έδειξε συμπεριφορές μάθησης.

Η ερευνητική ομάδα βασίστηκε στις πηγές του Advanced Photon Source (APS), μια εγκατάσταση του Υπουργείου Ενέργειας των ΗΠΑ (DOE) στο Argonne National Laboratory.

Εξοικείωση και Ευαισθητοποίηση

Η πρώτη απάντηση που συμβαίνει είναι η εξοικείωση, η οποία λαμβάνει χώρα όταν το υλικό συνηθίζει να είναι ελαφρά «χτυπημένο». Αν και η αντίσταση του υλικού αυξάνεται μετά από μια αρχική σπίθα, οι ερευνητές σημείωσαν ότι συνηθίζει στο ηλεκτρικό ερέθισμα.

Η Fanny Rodolakis είναι φυσικός και επιστήμονας σε γραμμή στο APS.

«Η εξοικείωση είναι σαν αυτό που συμβαίνει όταν ζεις κοντά σε αεροδρόμιο», λέει η Rodolakis. «Την ημέρα που μετακομίζεις, σκέφτεσαι ‘τι θόρυβος’, αλλά τελικά δεν το συνειδητοποιείς πλέον».

Η δεύτερη απάντηση που δείχνει το υλικό είναι η ευαισθητοποίηση, η οποία συμβαίνει όταν δίνεται μια μεγαλύτερη δόση ηλεκτρικού ρεύματος.

«Με μια μεγαλύτερη ερεθίσματα, η απάντηση του υλικού αυξάνεται αντί να μειώνεται με τον καιρό», λέει η Rodolakis. «Είναι σαν να βλέπεις μια τρομακτική ταινία και μετά有人 να σου λέει ‘μπού!’ από πίσω μιας γωνίας — το βλέπεις πραγματικά να πηδάει».

«Σχεδόν όλα τα ζωντανού οργανικά συστήματα δείχνουν αυτές τις δύο ιδιότητες», συνεχίζει ο Ramanathan. «Πραγματικά είναι μια θεμελιώδης πτυχή της νοημοσύνης».

Οι δύο συμπεριφορές ελέγχονται από κβαντικές αλληλεπιδράσεις που λαμβάνουν χώρα μεταξύ ηλεκτρονίων. Αυτές οι αλληλεπιδράσεις δεν μπορούν να περιγραφούν από την κλασική φυσική και παίζουν ρόλο στη διαμόρφωση της βάσης για μια φάση μετάβασης στο υλικό.

«Ένα παράδειγμα μιας φάσης μετάβασης είναι ένα υγρό που γίνεται στερεό», λέει η Rodolakis. «Το υλικό που κοιτάζουμε είναι ακριβώς στο σύνορο, και οι ανταγωνιστικές αλληλεπιδράσεις που συμβαίνουν στο ηλεκτρονικό επίπεδο μπορούν εύκολα να γυρίσουν προς την μια ή την άλλη κατεύθυνση από μικρά ερεθίσματα».

Σύμφωνα με τον Ramanathan, είναι απαραίτητο να υπάρχει ένα σύστημα που μπορεί να ελεγχθεί πλήρως από ηλεκτρικά σήματα.

«Η ικανότητα να χειρίζεται υλικά με αυτόν τον τρόπο θα επιτρέψει στο υλικό να αναλάβει κάποια από την ευθύνη για τη νοημοσύνη», λέει. «Η χρήση κβαντικών ιδιοτήτων για να φέρει τη νοημοσύνη στο υλικό αντιπροσωπεύει ένα βασικό βήμα προς την ενεργειακά αποδοτική υπολογιστική».

Υπερβαίνοντας το Δίλημμα Σταθερότητας-Πλαστικότητας

Οι επιστήμονες μπορούν να χρησιμοποιήσουν τη διαφορά μεταξύ εξοικείωσης και ευαισθητοποίησης για να υπερβούν το δίλημμα σταθερότητας-πλαστικότητας, το οποίο είναι μια μεγάλη πρόκληση στην ανάπτυξη της AI. Οι αλγόριθμοι συχνά δυσκολεύονται να προσαρμοστούν σε νέες πληροφορίες και όταν το κάνουν, συχνά ξεχνούν κάποιες από τις προηγούμενες εμπειρίες ή ό,τι έχουν μάθει. Αν οι επιστήμονες δημιουργήσουν ένα υλικό που μπορεί να εξοικειωθεί, θα μπορούσαν να το διδάξουν να αγνοήσει ή να ξεχάσει άσχετες πληροφορίες και να επιτύχουν επιπλέον σταθερότητα. Από την άλλη πλευρά, η ευαισθητοποίηση θα μπορούσε να εκπαιδεύσει το σύστημα να θυμάται και να ενσωματώνει νέες πληροφορίες, το οποίο επιτρέπει την πλαστικότητα.

«Η AI συχνά έχει δυσκολία να μάθει και να αποθηκεύσει νέες πληροφορίες χωρίς να σβήσει πληροφορίες που έχουν ήδη αποθηκευτεί», λέει η Rodolakis. «Πολύ σταθερότητα εμποδίζει την AI από το να μάθει, αλλά πολύ πλαστικότητα μπορεί να οδηγήσει σε καταστροφική λήθη».

Σύμφωνα με την ομάδα, ένα από τα μεγάλα πλεονεκτήματα της νέας μελέτης ήταν το μικρό μέγεθος της συσκευής οξείδιου του νικελίου.

«Είδος μάθησης που δεν είχε γίνει στην τρέχουσα γενιά ηλεκτρονικών χωρίς ένα μεγάλο αριθμό τρανζίστορ», εξηγεί η Rodolakis. «Το σύστημα μιας σύνδεσης είναι το μικρότερο σύστημα μέχρι σήμερα που δείχνει αυτές τις ιδιότητες, το οποίο έχει μεγάλες επιπτώσεις για την πιθανή ανάπτυξη νευρομορφικής κυκλωματικής».