Les chercheurs imitent les stratégies des limaces de mer dans un matériau quantique

Les chercheurs de l’Université Purdue ont découvert qu’un matériau peut imiter les caractéristiques les plus essentielles de l’intelligence d’une limace de mer. Cela pourrait les aider à construire du matériel qui rendrait l’IA plus efficace et fiable, ce qui pourrait avoir un impact sur de nombreux domaines tels que les véhicules autonomes, les robots chirurgicaux et les algorithmes de réseaux sociaux.

L’étude a été publiée dans Proceedings of the National Academy of Sciences. Elle a été menée par une équipe de chercheurs de l’Université Purdue, de l’Université de Géorgie, de l’Université Rutgers et du Laboratoire national d’Argonne.

Shriram Ramanathan est un professeur de génie des matériaux à l’Université Purdue.

“En étudiant les limaces de mer, les neuroscientifiques ont découvert les caractéristiques fondamentales de l’intelligence qui sont essentielles à la survie de tout organisme”, a déclaré Ramanathan. “Nous voulons tirer parti de cette intelligence mature chez les animaux pour accélérer le développement de l’IA.”

Apprendre des limaces de mer

Les neuroscientifiques ont appris deux signes principaux d’intelligence chez les limaces de mer : l’habituation et la sensibilisation. L’habituation se produit lorsque quelque chose ou quelqu’un s’habitue à un stimulus au fil du temps, tandis que la sensibilisation se produit lorsque quelque chose ou quelqu’un réagit fortement à un nouveau stimulus.

L’un des principaux problèmes de l’IA est le “dilemme de la stabilité et de la plasticité”, qui se produit lorsque l’IA a du mal à apprendre et à stocker de nouvelles informations sans effacer les informations existantes. Avec l’habituation, l’IA pourrait “oublier” les informations inutiles pour devenir plus stable. En même temps, la sensibilisation pourrait l’aider à retenir de nouvelles et importantes informations, ce qui permet la plasticité.

Démontrer les stratégies dans l’oxyde de nickel

Les chercheurs ont pu démontrer à la fois l’habituation et la sensibilisation dans l’oxyde de nickel, qui est un matériau quantique en raison de ses propriétés qui ne peuvent pas être expliquées par la physique classique. Si un matériau quantique pouvait utiliser avec succès ces formes d’apprentissage, il pourrait être possible de construire l’IA directement dans le matériel. L’IA pourrait effectuer des tâches plus complexes en utilisant moins d’énergie si elle pouvait fonctionner à la fois par le matériel et le logiciel.

“Nous avons essentiellement reproduit des expériences réalisées sur les limaces de mer dans des matériaux quantiques pour comprendre comment ces matériaux peuvent être intéressants pour l’IA”, a déclaré Ramanathan.

Les limaces de mer démontrent l’habituation lorsqu’elles arrêtent de retirer leurs branchies autant, ce qui est une réponse à être piégées sur le siphon. Un choc électrique à la queue d’une limace de mer fait que les branchies se retirent de manière plus dramatique, ce qui est une sensibilisation.

Pour reproduire cela dans l’oxyde de nickel, il doit y avoir une augmentation du changement de résistance électrique. En exposant régulièrement le matériau au gaz hydrogène, le changement de résistance électrique de l’oxyde de nickel diminue au fil du temps. Cependant, lorsqu’un nouveau stimulus tel que l’ozone est introduit, le changement de résistance électrique augmente considérablement.

Le groupe de recherche a pris en compte ces résultats, et une équipe dirigée par Kaushik Roy, professeur distingué d’ingénierie électrique et informatique à l’Université Purdue, a modélisé le comportement de l’oxyde de nickel. Ils ont créé un algorithme qui pourrait utiliser les stratégies d’habituation et de sensibilisation pour catégoriser des points de données en clusters.

“Le dilemme de la stabilité et de la plasticité n’est pas résolu du tout. Mais nous avons montré une façon de l’aborder en fonction du comportement que nous avons observé dans un matériau quantique”, a déclaré Roy. “Si nous pouvions transformer un matériau qui apprend de cette façon en matériel dans le futur, alors l’IA pourrait effectuer des tâches beaucoup plus efficacement.”

Pour que cela soit utile et pratique, les chercheurs doivent découvrir comment appliquer ces stratégies dans des systèmes à grande échelle, ainsi que déterminer comment un matériau pourrait répondre à des stimuli alors qu’il est intégré dans un circuit imprimé.