์ธ๊ณต์ง๋ฅ
์ ๊ธฐ๊ฐ ๋ฌผ์ง์ “ํ์ต”ํ ์ ์๋ ๋ฌผ์ง์ ์ฐพ๋ ๋ฐ ๋์์ด ๋ฉ๋๋ค.
아고네 국립 연구소의 과학자 팀은 비생물학적 물질이 학습과 관련된 행동을 모방하는 것을 관찰할 수 있었으며, 이는 더 나은 인공 지능(AI) 시스템으로 이어질 수 있다고 말합니다.
연구에 대한 논문은 Advanced Intelligent Systems에 발표되었습니다.
그룹은 차세대 슈퍼컴퓨터를 개발하고 인간의 뇌에서 영감을 얻고 있습니다.
비생물학적 물질과 학습 유사 행동
뇌 영감 컴퓨터를 만들기 위해 비생물학적 물질을 사용하는 연구자들은 이러한 물질이 학습 유사 행동을 취할 수 있는 힌트를 제공합니다. 이러한 물질은 새로운 소프트웨어 알고리즘과 함께 사용할 수 있는 하드웨어를 구축하는 데 사용될 수 있으며, 더 에너지 효율적인 AI를 가능하게 합니다.
새로운 연구는 퍼듀 대학교의 과학자들이 주도했습니다. 그들은 산소가 부족한 니켈 산화물에 짧은 전기 펄스를 노출시켜 두 가지 다른 전기적 반응을 유발했으며, 이는 학습과 유사합니다. 럿거스 대학교의 시리람 라마나탄 교수는 퍼듀 대학교에서 연구를 수행한 당시 교수였으며, 전기적으로 구동되는 시스템을 개발하여 학습 행동을 보여주었다고 말합니다.
연구 팀은 미국 에너지부(DOE)의 아고네 국립 연구소에 있는 고급 광자 원(Advanced Photon Source, APS)의 자원을 사용했습니다.
習慣化와 민감화
첫 번째 반응은習慣化(habituation)이며, 물질이 약간의 충격에 익숙해질 때 발생합니다. 물질의 저항은 초기 충격 이후 증가하지만, 연구자들은 물질이 전기 자극에 익숙해진다는 것을 알게 되었습니다.
패니 로돌라키스(Fanny Rodolakis)는 APS의 물리학자이자 빔 라인 과학자입니다.
“習慣化는 공항 근처에 살 때 발생하는 것과 같습니다,” 로돌라키스 कहत습니다. “이사 온 첫날에는 ‘이 얼마나 시끄러운 곳인가’라고 생각하지만, 결국에는 거의 더 이상 신경 쓰지 않게 됩니다.”
물질이 보여주는 두 번째 반응은 민감화(sensitization)이며, 더 큰 전기 자극이 적용될 때 발생합니다.
“더 큰 자극이 주어지면, 물질의 반응은 감소하는 대신 시간이 지남에 따라 증가합니다,” 로돌라키스 कहत습니다. “공포 영화를 보는 것과 같습니다. 그리고 누군가가 뒤에서 ‘부!’라고 소리치면, 정말로 놀라는 것을 볼 수 있습니다.”
“거의 모든 생명체는 이러한 두 가지 특성을 보여줍니다,” 라마나탄은 계속합니다. “그들은 정말로 지능의 기초적인 측면입니다.”
두 가지 행동은 전자 사이에서 발생하는 양자 상호 작용에 의해 제어됩니다. 이러한 상호 작용은 고전 물리학으로 설명할 수 없으며, 물질에서 상전이의 기초를 형성하는 데 역할을 합니다.
“상전이의 예는 액체가 고체가 되는 것입니다,” 로돌라키스 कहत습니다. “우리가 살펴보는 물질은 경계에 있으며, 전자 수준에서 발생하는 경쟁적 상호 작용은 작은 자극에 의해 쉽게 한쪽으로 기울일 수 있습니다.”
라마나탄에 따르면, 전기 신호만으로 완전히 제어할 수 있는 시스템이 필요합니다.
“이러한 방식으로 물질을 조작할 수 있다면, 하드웨어가 지능의 일부를 담당할 수 있을 것입니다,” 라마나탄은 말합니다. “양자 특성을 사용하여 하드웨어에 지능을 넣는 것은 에너지 효율적인 컴퓨팅으로 나아가는 중요한 단계입니다.”
안정성-가소성 딜레마를 극복하다
과학자들은習慣化와 민감화의 차이를 사용하여 안정성-가소성 딜레마를 극복할 수 있습니다. 이는 AI 개발에서 주요 도전입니다. 알고리즘은 새로운 정보에 적응하는 데 어려움을 겪고, 적응하면 이전에 학습한 내용이나 경험을 잊어버리게 됩니다. 과학자들이習慣화할 수 있는 물질을 만들면, 불필요한 정보를 무시하거나忘却하도록 가르칠 수 있으며, 추가적인 안정성을 달성할 수 있습니다. 반면, 민감화는 시스템을 새로운 정보를 기억하고 통합하도록 훈련할 수 있으며, 가소성을 가능하게 합니다.
“AI는 새로운 정보를 저장하고 학습하는 데 어려움을 겪으며, 이미 저장된 정보를 덮어쓰지 않습니다,” 로돌라키스 कहत습니다. “너무 많은 안정성은 AI가 학습하는 것을 방해하며, 너무 많은 가소성은 치명적인 망각을 초래할 수 있습니다.”
연구 팀에 따르면, 새로운 연구의 주요 장점 중 하나는 니켈 산화물 장치의 작은 크기입니다.
“이러한 종류의 학습은 현재의 전자 장치에서 많은 수의 트랜지스터 없이 수행되지 않았습니다,” 로돌라키스 설명합니다. “단일 접합 시스템은 이러한 속성을 보여주는 가장 작은 시스템이며, 신경 모방 회로의 개발 가능성에 큰 영향을 미칩니다.”
