Forskere finner at læring kan mimiseres i syntetisk materie

Forskere ved Rutgers University har funnet ut at læring kan mimiseres i syntetisk materie. Læring er en nøkkel egenskap ved intelligens, og den nye funn kan ha store implikasjoner for algoritmeutvikling i kunstig intelligens (AI).

Den nye studien ble publisert i tidsskriftet PNAS.

Grunnleggende egenskap ved mennesker

Den grunnleggende egenskapen ved læring hos mennesker har vært inspirasjonen for utviklingen av mange AI-teknologier, og det gjør det mulig for dem å tilpasse seg til endrede forhold og miljøer. Imidlertid er AI ofte fokusert på å etterligne menneskelig logikk. Den nye oppdagelsen av forskerne gir en vei til å mimisere menneskelig kognition i enheter som kan lære, huske og fatte beslutninger likt mennesker og vår hjerne.

Ved å skape dette i fast tilstand, kan nye algoritmer i AI og neuromorf datamaskiner utvikles med fleksibiliteten til å håndtere usikkerheter, motstridende og andre lignende aspekter i vårt daglige liv. Neuromorf datamaskiner bygger kunstige nervesystemer for å overføre elektriske signaler som mimiserer hjernesignaler, og det gjør det for å mimisere den totale nervestrukturen og -operasjonen i menneskehjernen.

Forskerne ved Rutgers ble slått sammen med kolleger fra Purdue, University of Georgia og Argonne National Laboratory.

Nikkeloksidets rolle

Sammen studerte forskerne hvordan den elektriske ledningsevnen til nikkeloksid, som er en spesiell type isolerende materiale, reagerte etter at miljøet ble endret flere ganger over ulike tidsintervaller.

Subhashish Mandal er en postdoktorand i fysikk- og astronomiavdelingen ved Rutgers-New Brunswick.

“Målet var å finne et materiale hvis elektriske ledningsevne kan justeres ved å modulere konsentrasjonen av atomare defekter med eksterne stimuli som oksygen, ozon og lys,” sa Mandal. “Vi studerte hvordan dette materialet oppfører seg når vi doper systemet med oksygen eller hydrogen, og viktigst, hvordan den eksterne stimulansen endrer materialets elektroniske egenskaper.”

En av forskernes funn var at når gassstimuli endret raskt, kunne materialet ikke respondere fullt ut. I stedet forble det i en ustabil tilstand i begge miljøer mens responsen begynte å avta.

Forskerne introduserte deretter en noxium-stimulus som ozon, og materialet responderte sterkere før det avtok igjen.

“Det mest interessante med våre resultater er at det demonstrerer universelle læreegenskaper som habituering og sensitisering som vi vanligvis finner i levende arter,” sa Mandal. “Disse materialegenskapene kan i sin tur inspirere nye algoritmer for kunstig intelligens. Like som kollektiv bevegelse av fugler eller fisk har inspirert AI, tror vi at kollektiv atferd av elektroner i en kvantemekanisk faststoff kan gjøre det samme i fremtiden.

“Det voksende feltet AI krever maskinvare som kan hoste adaptive minneegenskaper utover det som brukes i dagens datamaskiner,” fortsatte han. “Vi finner at nikkeloksid-isolatorer, som historisk sett har vært begrenset til akademiske formål, kan være interessante kandidater til å bli testet i fremtiden for hjernelignende datamaskiner og robotikk.”