Onderzoekers imiteren strategieën van zeeslakken in kwantummateriaal

Onderzoekers van de Purdue University hebben ontdekt dat een materiaal de meest essentiële intelligentiekenmerken van een zeeslak kan imiteren. Dit kan hen helpen om hardware te bouwen die AI meer efficiënt en betrouwbaar maakt, wat een impact kan hebben op veel gebieden zoals autonome voertuigen, chirurgische robots en sociale media-algoritmen.

De studie werd gepubliceerd in Proceedings of the National Academy of Sciences. Het onderzoek werd geleid door een team van onderzoekers van de Purdue University, de University of Georgia, Rutgers University en het Argonne National Laboratory.

Shriram Ramanathan is een professor in materiaaltechniek aan de Purdue University.

“Door zeeslakken te bestuderen, ontdekten neuroscientisten de kenmerken van intelligentie die essentieel zijn voor het overleven van elk organisme,” zei Ramanathan. “We willen profiteren van die volwassen intelligentie in dieren om de ontwikkeling van AI te versnellen.”

Lessen trekken uit zeeslakken

Neuroscientisten hebben twee belangrijke tekenen van intelligentie ontdekt bij zeeslakken: habituatie en sensibilisatie. Habituatie treedt op wanneer iemand of iets gewend raakt aan een stimulus in de loop van de tijd, terwijl sensibilisatie optreedt wanneer iemand of iets sterk reageert op een nieuwe stimulus.

Een van de grote problemen met AI is de “stabiliteit-plasticiteitsdilemma”, die optreedt wanneer AI moeite heeft om nieuwe informatie te leren en op te slaan zonder bestaande informatie te overschrijven. Met habituatie kan AI “vergeten” onnodige informatie om meer stabiel te worden. Tegelijkertijd kan sensibilisatie helpen om nieuwe en belangrijke informatie te behouden, waardoor plasticiteit mogelijk wordt.

De strategieën demonstreren in nikkeloxide

De onderzoekers konden zowel habituatie als sensibilisatie demonstreren in nikkeloxide, dat een kwantummateriaal is vanwege zijn eigenschappen die niet kunnen worden verklaard door klassieke fysica. Als een kwantummateriaal deze vormen van leren succesvol kan gebruiken, kan het mogelijk zijn om AI rechtstreeks in hardware te bouwen. De AI kan meer complexe taken uitvoeren met minder energie als het zowel via hardware als software kan werken.

“We hebben eigenlijk experimenten die op zeeslakken zijn uitgevoerd, nagebootst in kwantummaterialen om te begrijpen hoe deze materialen interessant kunnen zijn voor AI,” zei Ramanathan.

Zeeslakken demonstreren habituatie wanneer ze minder vaak hun kieuwen intrekken, wat een reactie is op het worden gevangen in de sifon. Een elektrische schok aan de staart van een zeeslak zorgt ervoor dat de kieuwen meer dramatisch intrekken, wat sensibilisatie is.

Om dit te reproduceren in nikkeloxide, moet er een toename zijn in de verandering van elektrische weerstand. Door het materiaal herhaaldelijk bloot te stellen aan waterstofgas, neemt de verandering in elektrische weerstand van nikkeloxide af in de loop van de tijd. Echter, wanneer een nieuwe stimulus zoals ozon wordt geïntroduceerd, neemt de verandering in elektrische weerstand sterk toe.

Het onderzoeksteam nam deze bevindingen in overweging en een team onder leiding van Kaushik Roy, de Edward G. Tiedemann Jr. Distinguished Professor of Electrical and Computer Engineering aan de Purdue University, modelleerde het gedrag van nikkeloxide. Ze bouwden een algoritme dat de habituatie- en sensibilisatiestrategieën kon gebruiken om gegevenspunten in clusters te categoriseren.

“Het stabiliteit-plasticiteitsdilemma is helemaal niet opgelost. Maar we hebben een manier getoond om het aan te pakken op basis van het gedrag dat we hebben waargenomen in een kwantummateriaal,” zei Roy. “Als we een materiaal dat zo leert in de toekomst in hardware kunnen omzetten, kan AI taken veel efficiënter uitvoeren.”

Om dit nuttig en praktisch te maken, moeten de onderzoekers ontdekken hoe ze deze strategieën kunnen toepassen in grote systeem, evenals bepalen hoe een materiaal kan reageren op stimuli terwijl het is geïntegreerd in een computerchip.