Peneliti Meniru Strategi Siput Laut dalam Material Kuantum

Para peneliti di Universitas Purdue telah menemukan bahwa suatu bahan dapat meniru fitur kecerdasan paling penting dari siput laut. Ini dapat membantu mereka membangun perangkat keras yang akan membuat AI lebih efisien dan andal, yang dapat memengaruhi banyak bidang seperti kendaraan otonom, robot bedah, dan algoritme media sosial.

Studi ini dipublikasikan dalam Prosiding National Academy of Sciences. Itu dipimpin oleh tim peneliti dari Universitas Purdue, Universitas Georgia, Universitas Rutgers, dan Laboratorium Nasional Argonne. 

Shriram Ramanathan adalah profesor teknik material Purdue.

“Melalui studi siput laut, ahli saraf menemukan ciri-ciri kecerdasan yang mendasar bagi kelangsungan hidup setiap organisme,” kata Ramanathan. “Kami ingin memanfaatkan kecerdasan matang pada hewan untuk mempercepat pengembangan AI.”

Belajar Dari Siput Laut

Ahli saraf telah mempelajari dua tanda utama kecerdasan dari siput laut: habituasi dan sensitisasi. Habituasi terjadi ketika sesuatu atau seseorang terbiasa dengan rangsangan dari waktu ke waktu, sedangkan kepekaan adalah ketika sesuatu atau seseorang bereaksi kuat terhadap rangsangan baru.

Salah satu masalah utama AI adalah "dilema stabilitas-plastisitas", yang terjadi ketika AI kesulitan mempelajari dan menyimpan informasi baru tanpa menimpa informasi yang sudah ada. Dengan pembiasaan, AI bisa “melupakan” informasi yang tidak dibutuhkan untuk menjadi lebih stabil. Pada saat yang sama, kepekaan dapat membantu mempertahankan informasi baru dan penting, yang memungkinkan plastisitas.

Mendemonstrasikan Strategi dalam Oksida Nikel 

Para peneliti mampu mendemonstrasikan habituasi dan sensitisasi dalam nikel oksida, yang merupakan material kuantum karena sifat-sifatnya yang tidak dapat dijelaskan oleh fisika klasik. Jika materi kuantum berhasil menggunakan bentuk pembelajaran ini, dimungkinkan untuk membangun AI langsung ke perangkat keras. AI dapat melakukan tugas yang lebih kompleks sambil menggunakan lebih sedikit energi jika dapat beroperasi melalui perangkat keras dan perangkat lunak.

“Kami pada dasarnya meniru eksperimen yang dilakukan pada siput laut dalam material kuantum untuk memahami bagaimana material ini dapat menarik minat AI,” kata Ramanathan.

Siput laut menunjukkan habituasi ketika mereka berhenti menarik insangnya, yang merupakan respons terhadap terperangkap di siphon. Kejutan listrik pada ekor siput laut menyebabkan insang menarik diri secara lebih dramatis, yang merupakan sensitisasi. 

Untuk mereproduksi ini dalam oksida nikel, harus ada peningkatan perubahan hambatan listrik. Dengan berulang kali memaparkan material ke gas hidrogen, perubahan resistansi listrik oksida nikel berkurang seiring waktu. Namun, ketika stimulus baru seperti ozon diperkenalkan, perubahan hambatan listrik sangat meningkat. 

Kelompok peneliti mempertimbangkan temuan ini, dan tim yang dipimpin oleh Kaushik Roy, Profesor Kehormatan Edward G. Tiedemann Jr. dari Purdue Teknik Elektro dan Komputer, memodelkan perilaku nikel oksida. Mereka membangun algoritme yang dapat menggunakan strategi habituasi dan sensitisasi untuk mengkategorikan titik data ke dalam kelompok.

“Dilema stabilitas-plastisitas tidak terpecahkan sama sekali. Tapi kami telah menunjukkan cara untuk mengatasinya berdasarkan perilaku yang kami amati dalam materi kuantum,” kata Roy. “Jika kita dapat mengubah materi yang dipelajari seperti ini menjadi perangkat keras di masa mendatang, maka AI dapat melakukan tugas dengan jauh lebih efisien.”

Agar ini berguna dan praktis, para peneliti harus mencari tahu bagaimana menerapkan strategi ini dalam sistem berskala besar, serta menentukan bagaimana suatu bahan dapat merespons rangsangan saat diintegrasikan ke dalam chip komputer.