AGI και το μέλλον της AI

Ερευνητές Βρίσκουν ότι η Μάθηση Μπορεί να Μιμηθεί σε Συνθετικό Υλικό

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Ερευνητές στο Πανεπιστήμιο του Ράτγκερς έχουν βρει ότι η μάθηση μπορεί να μιμηθεί σε συνθετικό υλικό. Η μάθηση είναι ένα κλειδί χαρακτηριστικό της νοημοσύνης, και η νέα ανακάλυψη μπορεί να έχει μεγάλες επιπτώσεις για την ανάπτυξη αλγορίθμων στην τεχνητή νοημοσύνη (AI).

Η νέα μελέτη δημοσιεύθηκε στο περιοδικό PNAS.

Βασικό Χαρακτηριστικό των Ανθρώπων

Το βασικό χαρακτηριστικό της μάθησης στους ανθρώπους έχει εμπνεύσει την ανάπτυξη πολλών τεχνολογιών AI, και τους επιτρέπει να προσαρμοστούν σε меняζόμενες συνθήκες και περιβάλλοντα. Ωστόσο, η AI συχνά επικεντρώνεται στο να μιμηθεί την ανθρώπινη λογική. Η νέα ανακάλυψη από τους ερευνητές παρέχει einen δρόμο για να μιμηθεί η ανθρώπινη γνώση σε συσκευές που μπορούν να μάθουν, να θυμάται και να λαμβάνουν αποφάσεις παρόμοιες με αυτές των ανθρώπων και του εγκεφάλου μας.

Δημιουργώντας αυτό σε στερεή κατάσταση, νέοι αλγόριθμοι στην AI και την neuromorphic υπολογιστική θα μπορούσαν να αναπτυχθούν με την ευελιξία να αντιμετωπίσουν αβεβαιότητες, αντίθετες απόψεις και άλλα παρόμοια χαρακτηριστικά που υπάρχουν στη καθημερινή μας ζωή. Η neuromorphic υπολογιστική δημιουργεί τεχνητικά νευρικά συστήματα για να μεταφέρει ηλεκτρικά σήματα που μιμούνται σήματα του εγκεφάλου, και το κάνει αυτό για να μιμηθεί την συνολική νευρική δομή και λειτουργία του ανθρώπινου εγκεφάλου.

Οι ερευνητές στο Ράτγκερς συνεργάστηκαν με συναδέλφους στο Περντού, το Πανεπιστήμιο της Τζόρτζια και το Εθνικό Εργαστήριο Άργκον.

Ο Ρόλος του Οξειδίου του Νικελίου

Μαζί, οι ερευνητές μελέτησαν πώς η ηλεκτρική αγωγιμότητα του οξειδίου του νικελίου, το οποίο είναι ένα ειδικό είδος μονωτικού υλικού, ανταποκρίνεται μετά από αλλαγές στο περιβάλλον του πολλές φορές σε διάφορες χρονικές περιόδους.

Ο Subhashish Mandal είναι μεταδιδάκτωρ συνεργάτης στο Τμήμα Φυσικής και Αστρονομίας στο Ράτγκερς-Νιου Μπράνσγουικ.

“Ο στόχος ήταν να βρεθεί ένα υλικό του οποίου η ηλεκτρική αγωγιμότητα μπορεί να ρυθμιστεί με τη μεταβολή της συγκέντρωσης ατομικών ελαττωμάτων με εξωτερικές ερεθίσματα όπως οξυγόνο, όζον και φως,” είπε ο Mandal. “Μελέτησα πώς αυτό το υλικό συμπεριφέρεται όταν το δότουμε με οξυγόνο ή υδρογόνο, και πιο σημαντικά, πώς η εξωτερική ερεθισματική αλλαγή τις ηλεκτρονικές ιδιότητες του υλικού.”

Μια από τις ανακαλύψεις των ερευνητών ήταν ότι όταν τα αέρια ερεθίσματα άλλαζαν γρήγορα, το υλικό δεν μπορούσε να ανταποκριθεί πλήρως. Αντίθετα, παρέμεινε σε μια ασταθή κατάσταση σε κάθε περιβάλλον ενώ η απόκριση του άρχισε να μειώνεται.

Οι ερευνητές τότε εισήγαγαν ένα ερέθισμα όζοντος, και το υλικό ανταποκρίθηκε πιο έντονα πριν να μειωθεί και πάλι.

“Το πιο ενδιαφέρον μέρος των αποτελεσμάτων μας είναι ότι δείχνει καθολικά χαρακτηριστικά μάθησης όπως η εξοικείωση και η ευαισθητοποίηση που συχνά βρίσκουμε σε ζωντανούς οργανισμούς,” είπε ο Mandal. “Αυτά τα χαρακτηριστικά του υλικού μπορούν να εμπνεύσουν νέους αλγορίθμους για την τεχνητή νοημοσύνη. Όπως η συλλογική κίνηση των πουλιών ή των ψαριών έχει εμπνεύσει την AI, πιστεύουμε ότι η συλλογική συμπεριφορά των ηλεκτρονίων σε ένα κβαντικό στερεό μπορεί να κάνει το ίδιο στο μέλλον.

“Το αυξανόμενο πεδίο της AI απαιτεί υλικό που μπορεί να φιλοξενήσει προσαρμοστικές ιδιότητες μνήμης πέρα από αυτά που χρησιμοποιούνται στους σημερινούς υπολογιστές,” συνέχισε. “Βρίσκουμε ότι τα μονωτικά οξειδίου του νικελίου, τα οποία ιστορικά έχουν περιοριστεί σε ακαδημαϊκές αναζητήσεις, μπορεί να είναι ενδιαφέροντες υποψήφιοι για να δοκιμαστούν στο μέλλον για υπολογιστές και ρομποτική που εμπνέονται από τον εγκέφαλο.”

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.