Investigadores imitan estrategias de babosas marinas en material cuántico

Investigadores de la Universidad de Purdue han descubierto que un material puede imitar las características de inteligencia más esenciales de una babosa de mar. Esto podría ayudarlos a construir hardware que haría que la IA sea más eficiente y confiable, lo que podría afectar muchos campos como los vehículos autónomos, los robots quirúrgicos y los algoritmos de las redes sociales.

El estudio fue publicado en Actas de la Academia Nacional de Ciencias. Fue dirigido por un equipo de investigadores de la Universidad de Purdue, la Universidad de Georgia, la Universidad de Rutgers y el Laboratorio Nacional de Argonne. 

Shriram Ramanathan es profesor de ingeniería de materiales en Purdue.

“A través del estudio de las babosas de mar, los neurocientíficos descubrieron las características de la inteligencia que son fundamentales para la supervivencia de cualquier organismo”, dijo Ramanathan. “Queremos aprovechar esa inteligencia madura en los animales para acelerar el desarrollo de la IA”.

Aprendiendo de las babosas marinas

Los neurocientíficos han aprendido dos signos principales de inteligencia de las babosas marinas: habituación y sensibilización. La habituación tiene lugar cuando algo o alguien se acostumbra a un estímulo con el tiempo, mientras que la sensibilización es cuando algo o alguien reacciona fuertemente a un nuevo estímulo.

Uno de los principales problemas de la IA es el "dilema estabilidad-plasticidad", que se produce cuando la IA tiene problemas para aprender y almacenar nueva información sin sobrescribir la información existente. Con la habituación, la IA podría "olvidar" información innecesaria para volverse más estable. Al mismo tiempo, la sensibilización podría ayudarlo a retener información nueva e importante, lo que permite la plasticidad.

Demostración de las estrategias en óxido de níquel 

Los investigadores pudieron demostrar tanto la habituación como la sensibilización en el óxido de níquel, que es un material cuántico debido a sus propiedades que no pueden explicarse mediante la física clásica. Si un material cuántico pudiera usar con éxito estas formas de aprendizaje, sería posible construir IA directamente en el hardware. La IA podría realizar tareas más complejas usando menos energía si pudiera operar a través de hardware y software.

“Básicamente, emulamos los experimentos realizados con babosas de mar en materiales cuánticos para comprender cómo estos materiales pueden ser de interés para la IA”, dijo Ramanathan.

Las babosas de mar demuestran habituación cuando dejan de retirar tanto sus branquias, lo cual es una respuesta a quedar atrapadas en el sifón. Una descarga eléctrica en la cola de una babosa de mar hace que las branquias se retraigan más dramáticamente, lo cual es sensibilización. 

Para reproducir esto en el óxido de níquel, debe haber un mayor cambio en la resistencia eléctrica. Al exponer repetidamente el material al gas hidrógeno, el cambio en la resistencia eléctrica del óxido de níquel disminuye con el tiempo. Sin embargo, cuando se introduce un nuevo estímulo como el ozono, el cambio en la resistencia eléctrica aumenta considerablemente. 

El grupo de investigación tuvo en cuenta estos hallazgos, y un equipo dirigido por Kaushik Roy, profesor distinguido de Ingeniería Eléctrica e Informática Edward G. Tiedemann Jr. de Purdue, modeló el comportamiento del óxido de níquel. Construyeron un algoritmo que podría usar las estrategias de habituación y sensibilización para categorizar puntos de datos en grupos.

“El dilema estabilidad-plasticidad no está resuelto en absoluto. Pero hemos mostrado una forma de abordarlo en función del comportamiento que hemos observado en un material cuántico”, dijo Roy. “Si pudiéramos convertir un material que aprende así en hardware en el futuro, entonces la IA podría realizar tareas de manera mucho más eficiente”.

Para que esto sea útil y práctico, los investigadores deben descubrir cómo aplicar estas estrategias en sistemas a gran escala, así como determinar cómo un material podría responder a los estímulos mientras está integrado en un chip de computadora.