ხელოვნური ინტელექტი
მკვლევარები კვანტურ მასალაში მიბაძავენ ზღვის შლაკების სტრატეგიებს
პერდუს უნივერსიტეტის მკვლევარებმა აღმოაჩინეს, რომ მასალას შეუძლია მიბაძოს ზღვის შლაკების ყველაზე არსებითი ინტელექტუალური თვისებები. ეს მათ დაეხმარება შექმნან აპარატურა, რომელიც AI-ს უფრო ეფექტურს და საიმედოს გახდის, რაც გავლენას მოახდენს ბევრ სფეროზე, როგორიცაა ავტონომიური მანქანები, ქირურგიული რობოტები და სოციალური მედიის ალგორითმები.
კვლევა გამოქვეყნდა შრომები მეცნიერებათა ეროვნული აკადემიის. მას ხელმძღვანელობდა პერდუს უნივერსიტეტის, საქართველოს უნივერსიტეტის, რუტგერსის უნივერსიტეტისა და არგონის ეროვნული ლაბორატორიის მკვლევართა ჯგუფი.
შრირამ რამანათანი არის პერდუს მასალების ინჟინერიის პროფესორი.
„ზღვის შლაკების შესწავლით, ნეირომეცნიერებმა აღმოაჩინეს ინტელექტის დამახასიათებელი ნიშნები, რომლებიც ფუნდამენტურია ნებისმიერი ორგანიზმის გადარჩენისთვის“, - თქვა რამანათანმა. ”ჩვენ გვინდა ვისარგებლოთ ცხოველებში ამ მომწიფებული ინტელექტით, რათა დავაჩქაროთ ხელოვნური ინტელექტის განვითარება.”
სწავლა ზღვის შლაკებისგან
ნეირომეცნიერებმა ზღვის შლაკებისგან ინტელექტის ორი ძირითადი ნიშანი შეიტყვეს: მიჩვევა და სენსიბილიზაცია. შეჩვევა ხდება მაშინ, როდესაც რაღაც ან ვინმე ეჩვევა სტიმულს დროთა განმავლობაში, ხოლო სენსიბილიზაცია არის როდესაც რაღაც ან ვინმე ძლიერად რეაგირებს ახალ სტიმულზე.
ხელოვნური ინტელექტის ერთ-ერთი მთავარი პრობლემა არის „სტაბილურობა-პლასტიურობის დილემა“, რომელიც ხდება მაშინ, როდესაც AI-ს უჭირს ახალი ინფორმაციის სწავლა და შენახვა არსებული ინფორმაციის გადაწერის გარეშე. შეჩვევით, ხელოვნური ინტელექტის "დავიწყება" შეიძლება არასაჭირო ინფორმაცია გახდეს უფრო სტაბილური. ამავდროულად, სენსიბილიზაციამ შეიძლება დაეხმაროს მას ახალი და მნიშვნელოვანი ინფორმაციის შენარჩუნებაში, რაც პლასტიურობის საშუალებას იძლევა.
სტრატეგიების დემონსტრირება ნიკელის ოქსიდში
მკვლევარებმა შეძლეს აჩვენონ როგორც მიჩვევა, ასევე სენსიბილიზაცია ნიკელის ოქსიდში, რომელიც კვანტური მასალაა მისი თვისებების გამო, რომელიც არ შეიძლება აიხსნას კლასიკური ფიზიკით. თუ კვანტურ მასალას შეუძლია წარმატებით გამოიყენოს სწავლის ეს ფორმები, შესაძლებელი იქნება ხელოვნური ინტელექტის ჩაშენება პირდაპირ აპარატურაში. AI-ს შეუძლია შეასრულოს უფრო რთული ამოცანები და ნაკლები ენერგია გამოიყენოს, თუ მას შეეძლო მუშაობა როგორც აპარატურის, ასევე პროგრამული უზრუნველყოფის საშუალებით.
”ჩვენ ძირითადად მივბაძეთ ზღვის შლაკებზე ჩატარებულ ექსპერიმენტებს კვანტურ მასალებში იმის გაგების მიზნით, თუ როგორ შეიძლება იყოს ეს მასალები საინტერესო ხელოვნური ინტელექტისთვის,” - თქვა რამანათანმა.
ზღვის შლაკები ავლენენ შეჩვევას, როდესაც ისინი წყვეტენ ლოყების ამოღებას, რაც პასუხია სიფონზე ხაფანგზე მოხვედრაზე. ელექტრული დარტყმა ზღვის შლაპის კუდზე იწვევს ღრძილების უფრო მკვეთრად ამოღებას, რაც სენსიბილიზაციას წარმოადგენს.
ნიკელის ოქსიდში ამის გამრავლების მიზნით, უნდა მოხდეს ელექტრული წინააღმდეგობის გაზრდილი ცვლილება. წყალბადის გაზზე მასალის განმეორებით ზემოქმედებით, ნიკელის ოქსიდის ელექტრული წინააღმდეგობის ცვლილება დროთა განმავლობაში მცირდება. თუმცა, როდესაც შემოდის ახალი სტიმული, როგორიცაა ოზონი, ელექტრული წინააღმდეგობის ცვლილება მნიშვნელოვნად იზრდება.
მკვლევარმა ჯგუფმა გაითვალისწინა ეს დასკვნები და გუნდმა, რომელსაც ხელმძღვანელობდა კაუშიკ როი, პერდუის ედვარდ გ. ტიდემანი უმცროსი, ელექტრო და კომპიუტერული ინჟინერიის გამორჩეული პროფესორი, ნიკელის ოქსიდის ქცევის მოდელირება მოახდინა. მათ შექმნეს ალგორითმი, რომელსაც შეეძლო გამოეყენებინა მიჩვევისა და სენსიბილიზაციის სტრატეგიები მონაცემთა წერტილების კლასტერებად დაყოფისთვის.
„სტაბილურობა-პლასტიურობის დილემა საერთოდ არ არის მოგვარებული. მაგრამ ჩვენ ვაჩვენეთ გზა ამის გადასაჭრელად, კვანტურ მასალაში დაკვირვებული ქცევის საფუძველზე“, - თქვა როიმ. ”თუ ჩვენ შევძლებთ მომავალში მსგავსი მასალის გადაქცევას აპარატურად, მაშინ ხელოვნური ინტელექტი შეძლებს დავალებების შესრულებას ბევრად უფრო ეფექტურად.”
იმისათვის, რომ ეს იყოს სასარგებლო და პრაქტიკული, მკვლევარებმა უნდა გაარკვიონ, თუ როგორ გამოიყენონ ეს სტრატეგიები ფართომასშტაბიან სისტემებში, ასევე დაადგინონ, როგორ შეუძლია მასალას უპასუხოს სტიმულებზე, სანამ ის ინტეგრირებულია კომპიუტერულ ჩიპში.
