Electricitatea ajută la găsirea unor materiale care pot “învăța”

O echipă de oameni de știință de la Laboratorul Național Argonne a putut observa un material neliv care imită comportamentul asociat cu învățarea, despre care spun că poate duce la sisteme de inteligență artificială (IA) mai bune.

Articolul care descrie studiul a fost publicat în Sisteme Inteligente Avansate.

Grupul își propune să dezvolte următoarea generație de supercalculatoare și se uită spre creierul uman pentru inspirație.

Materiale neliv cu comportamente asemănătoare învățării

Cercetătorii care își propun să creeze calculatoare inspirate de creierul uman se întorc adesea spre materiale neliv care sugerează că ar putea adopta comportamente asemănătoare învățării. Aceste materiale ar putea fi folosite pentru a construi hardware care să poată fi asociat cu noi algoritmi software, permițând o inteligență artificială mai eficientă din punct de vedere energetic.

Noua cercetare a fost condusă de oameni de știință de la Universitatea Purdue. Ei au expus oxid de nichel cu deficit de oxigen la impulsuri electrice scurte și au obținut două răspunsuri electrice diferite, asemănătoare învățării. Conform profesorului Shriram Ramanathan de la Universitatea Rutgers, care era profesor la Universitatea Purdue în timpul cercetării, ei au creat un sistem condus complet electric care a demonstrat comportamente de învățare.

Echipa de cercetare s-a bazat pe resursele oferite de Advanced Photon Source (APS), o facilitate a Departamentului de Energie al SUA (DOE) de la Laboratorul Național Argonne.

Obișnuință și sensibilizare

Primul răspuns care apare este obișnuința, care are loc atunci când materialul se obișnuiește cu o ușoară descărcare electrică. Deși rezistența materialului crește după o descărcare inițială, cercetătorii au observat că se obișnuiește cu stimulul electric.

Fanny Rodolakis este fizician și cercetător la APS.

„Obișnuința este ca atunci când locuiești lângă un aeroport,” spune Rodolakis. „În ziua în care te muți, crezi că e un zgomot mare, dar în cele din urmă nu mai observi nimic.”

Al doilea răspuns arătat de material este sensibilizarea, care apare atunci când se administrează o doză mai mare de electricitate.

„Cu un stimul mai mare, răspunsul materialului crește în loc să scadă în timp,” spune Rodolakis. „E asemănător cu vizionarea unui film de groază și apoi auzi pe cineva spunând «ia-te!» de după colț — vezi cum sare.”

„Aproape toate organismele vii demonstrează aceste două caracteristici,” continuă Ramanathan. „Ele sunt cu adevărat o parte fundamentală a inteligenței.”

Cele două comportamente sunt controlate de interacțiuni cuantice care au loc între electroni. Aceste interacțiuni nu pot fi descrise de fizica clasică și joacă un rol în formarea bazei pentru o tranziție de fază în material.

„Un exemplu de tranziție de fază este atunci când un lichid devine solid,” spune Rodolakis. „Materialul pe care îl studiem se află exact pe limită, și interacțiunile concurente care au loc la nivel electronic pot fi ușor inclinate într-o direcție sau alta de stimuli mici.”

Conform lui Ramanathan, este esențial să avem un sistem care să poată fi controlat complet de semnale electrice.

„Capacitatea de a manipula materiale în acest mod ne va permite hardware-ului să preia o parte din responsabilitatea inteligenței,” spune el. „Utilizarea proprietăților cuantice pentru a introduce inteligența în hardware reprezintă un pas cheie către computere eficiente din punct de vedere energetic.”

Depășirea dilemei stabilitate-plasticitate

Oamenii de știință pot utiliza diferența dintre obișnuință și sensibilizare pentru a depăși dilema stabilitate-plasticitate, care este o provocare majoră în dezvoltarea inteligenței artificiale. Algoritmii adesea au dificultăți în a se adapta la informații noi, și atunci când o fac, adesea uită unele dintre experiențele sau cunoștințele anterioare. Dacă oamenii de știință creează un material care poate obișnui, îl pot învăța să ignore sau să uite informații inutile și să obțină stabilitate suplimentară. Pe de altă parte, sensibilizarea ar putea antrena sistemul să memoreze și să integreze informații noi, ceea ce permite plasticitate.

„Inteligența artificială are adesea dificultăți în a învăța și a stoca informații noi fără a șterge informații care au fost deja stocate,” spune Rodolakis. „Prea multă stabilitate împiedică inteligența artificială să învețe, dar prea multă plasticitate poate duce la uitare catastrofală.”

Conform echipei, unul dintre marile avantaje ale noii cercetări a fost dimensiunea mică a dispozitivului de oxid de nichel.

„Acest tip de învățare nu a fost realizat anterior în generația curentă de electronice fără un număr mare de tranzistoare,” explică Rodolakis. „Sistemul cu o singură joncțiune este cel mai mic sistem până în prezent care arată aceste proprietăți, ceea ce are implicații mari pentru posibila dezvoltare a circuitelor neuromorfice.”