L'elettricità aiuta a trovare materiali che possono "imparare"

Un team di scienziati dell'Argonne National Laboratory è stato in grado di osservare un comportamento mimico materiale non vivente associato all'apprendimento, che secondo loro può portare a migliori sistemi di intelligenza artificiale (AI).

Il documento che descrive lo studio è stato pubblicato in Sistemi intelligenti avanzati.

Il gruppo mira a sviluppare la prossima generazione di supercomputer e cerca ispirazione nel cervello umano.

Materiali non biologici con comportamenti simili all'apprendimento

I ricercatori che cercano di creare computer ispirati al cervello spesso si rivolgono a materiali non biologici che suggeriscono che potrebbero assumere comportamenti simili all'apprendimento. Questi materiali potrebbero essere utilizzati per costruire hardware che potrebbe essere abbinato a nuovi algoritmi software, consentendo un'intelligenza artificiale più efficiente dal punto di vista energetico.

Il nuovo studio è stato condotto da scienziati della Purdue University. Hanno esposto l'ossido di nichel carente di ossigeno a brevi impulsi elettrici e hanno suscitato due diverse risposte elettriche simili all'apprendimento. Secondo il professore della Rutgers University Shriram Ramanathan, che era professore alla Purdue University al momento del lavoro, hanno ideato un sistema completamente elettrico che ha dimostrato comportamenti di apprendimento.

Il team di ricerca si è affidato alle risorse dell'Advanced Photon Source (APS), una struttura dell'Office of Science del Dipartimento dell'Energia degli Stati Uniti (DOE) presso l'Argonne National Laboratory del DOE.

Abituazioni e sensibilizzazione

La prima risposta che si verifica è l'assuefazione, che avviene quando il materiale si abitua ad essere leggermente zappato. Sebbene la resistenza del materiale aumenti dopo una scossa iniziale, i ricercatori hanno notato che si abitua allo stimolo elettrico.

Fanny Rodolakis è un fisico e scienziato della linea di luce presso l'APS.

"L'assuefazione è come quello che succede quando vivi vicino a un aeroporto", dice Rodolakis. "Il giorno in cui ti trasferisci, pensi 'che baccano', ma alla fine non te ne accorgi quasi più."

La seconda risposta mostrata dal materiale è la sensibilizzazione, che si verifica quando viene somministrata una dose maggiore di elettricità.

"Con uno stimolo più grande, la risposta del materiale cresce invece di diminuire nel tempo", dice Rodolakis. “È come guardare un film dell'orrore e poi avere qualcuno che dice 'boo!' da dietro un angolo - lo vedi davvero saltare.

"Quasi tutti gli organismi viventi dimostrano queste due caratteristiche", continua Ramanathan. "Sono davvero un aspetto fondamentale dell'intelligenza."

I due comportamenti sono controllati dalle interazioni quantistiche che avvengono tra gli elettroni. Queste interazioni non possono essere descritte dalla fisica classica e svolgono un ruolo nel formare le basi per una transizione di fase nel materiale.

"Un esempio di transizione di fase è un liquido che diventa solido", afferma Rodolakis. "Il materiale che stiamo guardando è proprio al limite e le interazioni concorrenti che si verificano a livello elettronico possono facilmente essere ribaltate in un modo o nell'altro da piccoli stimoli."

Secondo Ramanathan, è essenziale disporre di un sistema che possa essere completamente controllato da segnali elettrici.

"Essere in grado di manipolare i materiali in questo modo consentirà all'hardware di assumersi parte della responsabilità dell'intelligenza", afferma. "L'utilizzo delle proprietà quantistiche per ottenere intelligenza nell'hardware rappresenta un passo fondamentale verso il calcolo ad alta efficienza energetica".

Superare il dilemma stabilità-plasticità

Gli scienziati possono utilizzare la differenza tra assuefazione e sensibilizzazione per superare il dilemma stabilità-plasticità, che rappresenta una sfida importante nello sviluppo dell'IA. Gli algoritmi spesso fanno fatica ad adattarsi alle nuove informazioni e, quando lo fanno, spesso dimenticano alcune delle loro esperienze precedenti o ciò che hanno imparato. Se gli scienziati creano un materiale che può abituarsi, possono insegnargli a ignorare o dimenticare informazioni non necessarie e ottenere ulteriore stabilità. D'altra parte, la sensibilizzazione potrebbe addestrare il sistema a ricordare e incorporare nuove informazioni, il che consente la plasticità.

"L'intelligenza artificiale spesso ha difficoltà ad apprendere e memorizzare nuove informazioni senza sovrascrivere informazioni che sono già state memorizzate", afferma Rodolakis. "Troppa stabilità impedisce all'intelligenza artificiale di apprendere, ma troppa plasticità può portare a catastrofiche dimenticanze".

Secondo il team, uno dei grandi vantaggi del nuovo studio riguardava le dimensioni ridotte del dispositivo all'ossido di nichel.

"Questo tipo di apprendimento non era mai stato fatto nell'attuale generazione di elettronica senza un gran numero di transistor", spiega Rodolakis. "Il sistema a giunzione singola è il sistema più piccolo fino ad oggi per mostrare queste proprietà, il che ha grandi implicazioni per il possibile sviluppo di circuiti neuromorfici".