Ερευνητές Μιμούνται Στρατηγικές Από Θαλάσσιους Καβούριους σε Υλικό Κουαντίου

Ερευνητές στο Πανεπιστήμιο Purdue ανακάλυψαν ότι ένα υλικό μπορεί να μιμείται τις πιο σημαντικές ιδιότητες ευφυΐας ενός θαλάσσιου καβουριού. Αυτό θα μπορούσε να τους βοηθήσει να κατασκευάσουν υλικό που θα κάνει την τεχνητή νοημοσύνη πιο αποτελεσματική και αξιόπιστη, το οποίο θα μπορούσε να επηρεάσει πολλούς τομείς όπως τα αυτονομικά οχήματα, τα χειρουργικά ρομπότ και τους αλγόριθμους των κοινωνικών μέσων.

Η μελέτη δημοσιεύθηκε στο Proceedings of the National Academy of Sciences. Ηγήθηκε από μια ομάδα ερευνητών από το Πανεπιστήμιο Purdue, το Πανεπιστήμιο της Γεωργίας, το Πανεπιστήμιο Rutgers και το Εθνικό Εργαστήριο Argonne.

Ο Shriram Ramanathan είναι καθηγητής μηχανικής υλικών στο Πανεπιστήμιο Purdue.

“Μέσω της μελέτης των θαλάσσιων καβουριών, οι νευροεπιστήμονες ανακάλυψαν τα χαρακτηριστικά της ευφυΐας που είναι θεμελιώδη για την επιβίωση κάθε οργανισμού,” είπε ο Ramanathan. “Θέλουμε να επωφεληθούμε από αυτή τη ώριμη ευφυΐα στα ζώα για να επιταχύνουμε την ανάπτυξη της τεχνητής νοημοσύνης.”

Μάθηση Από Θαλάσσιους Καβούριους

Οι νευροεπιστήμονες έχουν μάθει δύο основικά σημάδια ευφυΐας από τους θαλάσσιους καβούριους: την εξοικείωση και την ευαισθητοποίηση. Η εξοικείωση συμβαίνει όταν κάτι ή κάποιος συνηθίζει σε ένα ερέθισμα με την πάροδο του χρόνου, ενώ η ευαισθητοποίηση είναι όταν κάτι ή κάποιος αντιδρά έντονα σε ένα νέο ερέθισμα.

Ένα από τα κύρια προβλήματα με την τεχνητή νοημοσύνη είναι το “δίλημμα σταθερότητας-πλαστικότητας”, το οποίο συμβαίνει όταν η τεχνητή νοημοσύνη έχει δυσκολία να μάθει και να αποθηκεύσει νέα πληροφορίες χωρίς να σβήσει τις υπάρχουσες πληροφορίες. Με την εξοικείωση, η τεχνητή νοημοσύνη θα μπορούσε να “ξεχάσει” τις άχρηστες πληροφορίες για να γίνει πιο σταθερή. Ταυτόχρονα, η ευαισθητοποίηση θα μπορούσε να τη βοηθήσει να διατηρήσει νέες και σημαντικές πληροφορίες, το οποίο επιτρέπει την πλαστικότητα.

Επίδειξη των Στρατηγικών σε Οξείδιο του Νικελίου

Οι ερευνητές κατάφεραν να επίδειξαν και την εξοικείωση και την ευαισθητοποίηση σε οξείδιο του νικελίου, το οποίο είναι ένα υλικό κουαντίου λόγω των ιδιοτήτων του που δεν μπορούν να εξηγηθούν από την κλασική φυσική. Αν ένα υλικό κουαντίου μπορούσε να χρησιμοποιήσει με επιτυχία αυτές τις μορφές μάθησης, θα ήταν δυνατό να κατασκευαστεί τεχνητή νοημοσύνη απευθείας στο υλικό. Η τεχνητή νοημοσύνη θα μπορούσε να εκτελέσει πιο σύνθετες εργασίες χρησιμοποιώντας λιγότερη ενέργεια αν μπορούσε να λειτουργήσει και μέσω του υλικού και του λογισμικού.

“Βασικά, μιμήκαμε πειράματα που έχουν γίνει σε θαλάσσιους καβούριους σε υλικά κουαντίου για να κατανοήσουμε πώς αυτά τα υλικά μπορούν να είναι ενδιαφέροντα για την τεχνητή νοημοσύνη,” είπε ο Ramanathan.

Οι θαλάσσιοι καβούριοι επίδειξαν εξοικείωση όταν σταμάτησαν να ανασύρουν τα βράγχια τους τόσο πολύ, το οποίο είναι μια αντίδραση στο να πιαστούν στην σίφωνα. Ένας ηλεκτρικός σοκ στο ουρά ενός θαλάσσιου καβουριού προκαλεί τα βράγχια να ανασυρθούν πιο δραματικά, το οποίο είναι ευαισθητοποίηση.

Για να αναπαράγουν αυτό το φαινόμενο σε οξείδιο του νικελίου, πρέπει να υπάρχει μια αύξηση της αλλαγής στην ηλεκτρική αντίσταση. Με την επαναλαμβανόμενη έκθεση του υλικού σε αέριο υδρογόνο, η αλλαγή στην ηλεκτρική αντίσταση του οξειδίου του νικελίου μειώνεται με την πάροδο του χρόνου. Ωστόσο, όταν εισαχθεί ένα νέο ερέθισμα όπως το όζον, η αλλαγή στην ηλεκτρική αντίσταση αυξάνεται σημαντικά.

Η ερευνητική ομάδα έλαβε υπόψη αυτά τα ευρήματα και μια ομάδα με επικεφαλή τον Kaushik Roy, καθηγητή ηλεκτρολόγου μηχανικού στο Πανεπιστήμιο Purdue, μοντέλωσε τη συμπεριφορά του οξειδίου του νικελίου. Κατασκεύασαν einen αλγόριθμο που θα μπορούσε να χρησιμοποιήσει τις στρατηγικές εξοικείωσης και ευαισθητοποίησης για να ταξινομήσει τα δεδομένα σε ομάδες.

“Το δίλημμα σταθερότητας-πλαστικότητας δεν έχει λυθεί καθόλου. Αλλά έχουμε δείξει έναν τρόπο να το αντιμετωπίσουμε με βάση τη συμπεριφορά που έχουμε παρατηρήσει σε ένα υλικό κουαντίου,” είπε ο Roy. “Αν μπορούσαμε να μετατρέψουμε ένα υλικό που μαθαίνει με αυτόν τον τρόπο σε υλικό στο μέλλον, τότε η τεχνητή νοημοσύνη θα μπορούσε να εκτελέσει εργασίες πολύ πιο αποτελεσματικά.”

Για να είναι αυτό χρήσιμο και πρακτικό, οι ερευνητές πρέπει να ανακαλύψουν πώς να εφαρμόσουν αυτές τις στρατηγικές σε μεγάλης κλίμακας συστήματα, καθώς και να καθορίσουν πώς ένα υλικό θα μπορούσε να ανταποκριθεί σε ερεθίσματα ενώ είναι ενσωματωμένο σε ένα μικροchip.