A Eletricidade Ajuda a Encontrar Materiais que Podem “Aprender”

Uma equipe de cientistas do Laboratório Nacional de Argonne conseguiu observar um material não vivo imitando comportamentos associados ao aprendizado, o que eles dizem que pode levar a melhores sistemas de inteligência artificial (IA).

O artigo que descreve o estudo foi publicado em Advanced Intelligent Systems.

O grupo está visando desenvolver a próxima geração de supercomputadores e olhando para o cérebro humano como inspiração.

Materiais Não Biológicos Com Comportamentos de Aprendizado

Pesquisadores que buscam criar computadores inspirados no cérebro frequentemente recorrem a materiais não biológicos que sugerem que eles possam adotar comportamentos de aprendizado. Esses materiais podem ser usados para construir hardware que possa ser combinado com novos algoritmos de software, permitindo uma IA mais eficiente em termos de energia.

O novo estudo foi liderado por cientistas da Universidade de Purdue. Eles expuseram óxido de níquel deficientemente oxigenado a pulsos elétricos breves e provocaram duas respostas elétricas diferentes, semelhantes ao aprendizado. De acordo com o professor Shriram Ramanathan, da Universidade de Rutgers, que era professor da Universidade de Purdue na época do trabalho, eles criaram um sistema completamente impulsionado por eletricidade que demonstrou comportamentos de aprendizado.

A equipe de pesquisa contou com os recursos da Advanced Photon Source (APS), uma instalação do Escritório de Ciência do Departamento de Energia dos EUA (DOE) no Laboratório Nacional de Argonne.

Habituação e Sensibilização

A primeira resposta que ocorre é a habituação, que acontece quando o material se acostuma a ser ligeiramente choqueado. Embora a resistência do material aumente após um choque inicial, os pesquisadores observaram que ele se acostuma com o estímulo elétrico.

Fanny Rodolakis é uma física e cientista de feixe de luz na APS.

“A habituação é como o que acontece quando você mora perto de um aeroporto”, diz Rodolakis. “No dia em que você se muda, você pensa ‘que barulho’, mas eventualmente você quase não nota mais.”

A segunda resposta mostrada pelo material é a sensibilização, que ocorre quando uma dose maior de eletricidade é administrada.

“Com um estímulo maior, a resposta do material cresce em vez de diminuir com o tempo”, diz Rodolakis. “É como assistir a um filme de terror e, em seguida, ter alguém dizendo ‘bu!’ atrás de uma esquina – você vê que ele realmente pula.”

“Quase todos os organismos vivos demonstram essas duas características”, continua Ramanathan. “Elas realmente são um aspecto fundamental da inteligência.”

As duas respostas são controladas por interações quânticas que ocorrem entre elétrons. Essas interações não podem ser descritas pela física clássica e desempenham um papel na formação da base para uma transição de fase no material.

“Um exemplo de transição de fase é um líquido se tornando um sólido”, diz Rodolakis. “O material que estamos examinando está exatamente na fronteira, e as interações concorrentes que estão ocorrendo no nível eletrônico podem ser facilmente inclinadas para um lado ou para o outro por pequenos estímulos.”

De acordo com Ramanathan, é essencial ter um sistema que possa ser completamente controlado por sinais elétricos.

“Ser capaz de manipular materiais desta forma permitirá que o hardware assuma alguma responsabilidade pela inteligência”, diz ele. “Usar propriedades quânticas para obter inteligência no hardware representa um passo fundamental para o computador de baixo consumo de energia.”

Superando o Dilema da Estabilidade-Plasticidade

Os cientistas podem usar a diferença entre habituação e sensibilização para superar o dilema da estabilidade-plasticidade, que é um grande desafio no desenvolvimento da IA. Os algoritmos frequentemente lutam para se adaptar a novas informações, e quando o fazem, eles frequentemente esquecem algumas de suas experiências anteriores ou o que aprenderam. Se os cientistas criarem um material que possa habituar, eles podem ensinar a ignorar ou esquecer informações desnecessárias e alcançar estabilidade adicional. Por outro lado, a sensibilização pode treinar o sistema para lembrar e incorporar novas informações, o que permite a plasticidade.

“A IA frequentemente tem dificuldade em aprender e armazenar novas informações sem sobrescrever informações que já foram armazenadas”, diz Rodolakis. “Demais estabilidade impede que a IA aprenda, mas muita plasticidade pode levar a esquecimento catastrófico.”

De acordo com a equipe, uma das grandes vantagens do novo estudo envolveu o pequeno tamanho do dispositivo de óxido de níquel.

“Esse tipo de aprendizado nunca havia sido feito na geração atual de eletrônicos sem um grande número de transistores”, explica Rodolakis. “O sistema de junção única é o menor sistema até o momento para mostrar essas propriedades, o que tem grandes implicações para o possível desenvolvimento de circuitos neuromórficos.”