Naukowcy naśladują strategie ślimaków morskich w materiale kwantowym

Naukowcy z Purdue University odkryli, że materiał może naśladować najważniejsze cechy inteligencji ślimaka morskiego. Może to pomóc im zbudować sprzęt, który uczyni sztuczną inteligencję (AI) bardziej wydajną i niezawodną, co może mieć wpływ na wiele dziedzin, takich jak samochody autonomiczne, roboty chirurgiczne i algorytmy mediów społecznościowych.

Badanie zostało opublikowane w Proceedings of the National Academy of Sciences. Kierował nim zespół naukowców z Purdue University, University of Georgia, Rutgers University i Argonne National Laboratory.

Shriram Ramanathan jest profesorem inżynierii materiałowej na Purdue.

“Poprzez studium ślimaków morskich, neurobiolodzy odkryli cechy inteligencji, które są podstawowe dla przeżycia każdego organizmu,” powiedział Ramanathan. “Chcemy wykorzystać tę dojrzałą inteligencję w zwierzętach, aby przyspieszyć rozwój AI.”

Ucząc się od ślimaków morskich

Neurobiolodzy odkryli dwa główne znaki inteligencji u ślimaków morskich: habituację i sensytyzację. Habitacja występuje, gdy coś lub ktoś przyzwyczaja się do bodźca w czasie, podczas gdy sensytyzacja występuje, gdy coś lub ktoś reaguje silnie na nowy bodziec.

Jednym z głównych problemów z AI jest „dylemat stabilności i plastyczności”, który występuje, gdy AI ma trudności z uczeniem się i przechowywaniem nowych informacji bez nadpisania istniejących informacji. Z habitacją AI mogłoby „zapomnieć” niepotrzebne informacje, aby stać się bardziej stabilne. Równocześnie sensytyzacja mogłaby pomóc mu zachować nowe i ważne informacje, co umożliwia plastyczność.

Demonstracja strategii w tlenku niklu

Naukowcy byli w stanie zademonstrować zarówno habitację, jak i sensytyzację w tlenku niklu, który jest materiałem kwantowym ze względu na swoje właściwości, które nie mogą być wyjaśnione przez fizykę klasyczną. Jeśli materiał kwantowy mógłby z powodzeniem wykorzystywać te formy uczenia się, mogłoby to umożliwić zbudowanie AI bezpośrednio w sprzęcie. AI mogłoby wykonywać bardziej złożone zadania, używając mniej energii, jeśli mogłoby działać zarówno przez sprzęt, jak i oprogramowanie.

“Podstawowo naśladujemy eksperymenty przeprowadzane na ślimakach morskich w materiałach kwantowych, aby zrozumieć, jak te materiały mogą być interesujące dla AI,” powiedział Ramanathan.

Ślimaki morskie demonstrują habitację, gdy przestają wycofywać swoje skrzela tak często, co jest reakcją na bycie uwięzionym na sifonie. Elektryczny szok w ogonie ślimaka morskiego powoduje, że skrzela wycofują się bardziej dramatycznie, co jest sensytyzacją.

Aby odtworzyć to w tlenku niklu, musi nastąpić zwiększona zmiana oporu elektrycznego. Poprzez wielokrotne narażenie materiału na gaz wodór, zmiana oporu elektrycznego tlenku niklu zmniejsza się w czasie. Jednak gdy wprowadzony zostaje nowy bodziec, taki jak ozon, zmiana oporu elektrycznego znacznie wzrasta.

Zespół badawczy wziął pod uwagę te wyniki i zespół pod kierownictwem Kaushika Roya, profesora inżynierii elektrycznej i komputerowej na Purdue, opracował model zachowania tlenku niklu. Zbudowali algorytm, który mógł wykorzystywać strategie habitacji i sensytyzacji do klasyfikacji punktów danych w klastry.

“Dylemat stabilności i plastyczności nie jest w ogóle rozwiązany. Ale pokazaliśmy sposób, aby go rozwiązać na podstawie zachowania, które zaobserwowaliśmy w materiale kwantowym,” powiedział Roy. “Jeśli moglibyśmy przekształcić materiał, który uczy się w ten sposób w sprzęt w przyszłości, AI mogłoby wykonywać zadania znacznie bardziej wydajnie.”

Aby to było użyteczne i praktyczne, naukowcy muszą dowiedzieć się, jak zastosować te strategie w dużych systemach, a także określić, jak materiał mógłby reagować na bodźce, gdy jest zintegrowany z układem scalonym.