Naukowcy odkryli, że uczenie się można naśladować w syntetycznej materii

Naukowcy z Rutgers University odkryli, że uczenie się można naśladować w syntetycznej materii. Uczenie się jest kluczową cechą inteligencji, a nowe odkrycie może mieć duże implikacje dla rozwoju algorytmów w sztucznej inteligencji (AI).

Nowe badanie zostało opublikowane w czasopiśmie PNAS.

Podstawowa cecha ludzi

Podstawowa cecha uczenia się u ludzi była inspiracją dla rozwoju wielu technologii AI, a umożliwia im adaptację do zmieniających się warunków i środowisk. Jednak AI często koncentruje się na naśladownictwie ludzkiej logiki. Nowe odkrycie przez naukowców dostarcza ścieżki do naśladownictwa ludzkiej percepcji w urządzeniach, które mogą uczyć się, pamiętać i podejmować decyzje podobne do ludzi i naszych mózgów.

Tworząc to w stanie stałym, nowe algorytmy w AI i obliczeniach neuromorficznych mogą być rozwijane z elastycznością, aby rozwiązywać niepewności, sprzeczności i inne podobne aspekty obecne w naszym życiu codziennym. Obliczenia neuromorficzne budują sztuczne nerwowe systemy do transferu sygnałów elektrycznych, które naśladują sygnały mózgu, i robią to, aby naśladować ogólną strukturę i działanie ludzkiego mózgu.

Naukowcy z Rutgers byli dołączeni przez kolegów z Purdue, University of Georgia i Argonne National Laboratory.

Rola tlenku niklu

Wspólnie, naukowcy badali, jak przewodność elektryczna tlenku niklu, który jest specjalnym rodzajem izolującego materiału, odpowiedział po zmianie jego środowiska wielokrotnie w różnych przedziałach czasowych.

Subhashish Mandal jest stypendystą w Departamencie Fizyki i Astronomii na Rutgers-New Brunswick.

“Celem było znalezienie materiału, którego przewodność elektryczna może być dostrojona przez modyfikację stężenia atomowych defektów z zewnętrznymi bodźcami, takimi jak tlen, ozon i światło”, powiedział Mandal. “Zbadaliśmy, jak ten materiał zachowuje się, gdy wprowadzamy go do systemu z tlenem lub wodorem, a najważniejsze, jak zewnętrzna stymulacja zmienia właściwości elektroniczne materiału.”

Jednym z odkryć naukowców było to, że gdy bodźce gazowe zmieniały się szybko, materiał nie mógł odpowiedzieć w pełni. Zamiast tego, pozostał w nieстабilnym stanie w obu środowiskach, podczas gdy jego odpowiedź zaczęła się zmniejszać.

Naukowcy wprowadzili bodziec noxium, taki jak ozon, a materiał odpowiedział silniej, zanim ponownie się zmniejszył.

“Najbardziej interesującą częścią naszych wyników jest to, że demonstruje uniwersalne cechy uczenia się, takie jak habituacja i wrażliwość, które zwykle znajdujemy u żywych gatunków”, powiedział Mandal. “Te właściwości materiałowe mogą zainspirować nowe algorytmy dla sztucznej inteligencji. Podobnie jak zbiorowy ruch ptaków lub ryb zainspirował AI, uważamy, że zbiorowe zachowanie elektronów w kwantowym ciele stałym może to zrobić w przyszłości.

“Rozwijający się obszar AI wymaga sprzętu, który może hostować adaptacyjne właściwości pamięci poza tym, co jest używane w dzisiejszych komputerach”, kontynuował. “Uważamy, że izolatory tlenku niklu, które historycznie były ograniczone do akademickich poszukiwań, mogą być interesującymi kandydatami do przetestowania w przyszłości dla komputerów i robotyki zainspirowanych mózgiem.”