Cercetătorii imită strategiile melcilor de mare în materiale cuantice

Cercetătorii de la Universitatea Purdue au descoperit că un material poate imita cele mai esențiale caracteristici ale inteligenței unui melc de mare. Acest lucru ar putea ajuta la construirea unor dispozitive care să facă inteligența artificială (AI) mai eficientă și mai fiabilă, ceea ce ar putea avea impact asupra multor domenii, cum ar fi vehiculele autonome, roboții chirurgicali și algoritmii de social media.

Studiul a fost publicat în Proceedings of the National Academy of Sciences. A fost condus de o echipă de cercetători de la Universitatea Purdue, Universitatea din Georgia, Universitatea Rutgers și Laboratorul Național Argonne.

Shriram Ramanathan este profesor de inginerie a materialelor la Universitatea Purdue.

“Prin studierea melcilor de mare, neuroștiințificii au descoperit caracteristicile de bază ale inteligenței care sunt fundamentale pentru supraviețuirea oricărui organism,” a spus Ramanathan. “Vrem să profităm de această inteligență matură a animalelor pentru a accelera dezvoltarea inteligenței artificiale.”

Învățând de la melcii de mare

Neuroștiințificii au învățat două semne principale de inteligență de la melcii de mare: habituarea și sensibilizarea. Habituarea are loc atunci când ceva sau cineva se obișnuiește cu un stimul în timp, în timp ce sensibilizarea este atunci când ceva sau cineva reacționează puternic la un nou stimul.

Una dintre principalele probleme cu inteligența artificială este “dilema stabilității și plasticității”, care are loc atunci când inteligența artificială are dificultăți în a învăța și a stoca informații noi fără a șterge informațiile existente. Cu habituarea, inteligența artificială ar putea “uita” informațiile inutile pentru a deveni mai stabilă. În același timp, sensibilizarea ar putea ajuta la păstrarea noilor și importante informații, ceea ce permite plasticitatea.

Demonstrarea strategiilor în oxid de nichel

Cercetătorii au reușit să demonstreze atât habituarea, cât și sensibilizarea în oxid de nichel, care este un material cuantic datorită proprietăților sale care nu pot fi explicate prin fizica clasică. Dacă un material cuantic ar putea utiliza cu succes aceste forme de învățare, ar fi posibil să se construiască inteligență artificială direct în hardware. Inteligența artificială ar putea executa sarcini mai complexe utilizând mai puțină energie, dacă ar putea funcționa atât prin hardware, cât și prin software.

“Am emulat în mod fundamental experimentele efectuate pe melcii de mare în materiale cuantice pentru a înțelege cum aceste materiale pot fi de interes pentru inteligența artificială,” a spus Ramanathan.

Melcii de mare demonstrează habituarea atunci când își retrag branhiile mai puțin, ceea ce este o reacție la faptul de a fi prinși pe sifon. Un șoc electric aplicat cozii unui melc de mare determină retragerea branhiilor într-o manieră mai dramatică, ceea ce este sensibilizare.

Pentru a reproduce acest lucru în oxid de nichel, trebuie să existe o schimbare crescută a rezistenței electrice. Prin expunerea repetată a materialului la gaz de hidrogen, schimbarea rezistenței electrice a oxidului de nichel scade în timp. Cu toate acestea, atunci când este introdus un nou stimul, cum ar fi ozonul, schimbarea rezistenței electrice crește semnificativ.

Grupul de cercetare a luat în considerare aceste constatări și o echipă condusă de Kaushik Roy, profesorul distins Edward G. Tiedemann Jr. de inginerie electrică și informatică de la Purdue, a modelat comportamentul oxidului de nichel. Ei au creat un algoritm care ar putea utiliza strategiile de habituare și sensibilizare pentru a categorisi puncte de date în cluster.

“Dilema stabilității și plasticității nu este deloc rezolvată. Dar am arătat o cale de a aborda această problemă pe baza comportamentului observat într-un material cuantic,” a spus Roy. “Dacă am putea transforma un material care învață în acest fel în hardware în viitor, atunci inteligența artificială ar putea executa sarcini mult mai eficient.”

Pentru ca acest lucru să fie util și practic, cercetătorii trebuie să afle cum să aplice aceste strategii în sisteme de scară largă, precum și să determine cum un material ar putea răspunde la stimuli atunci când este integrat într-un cip de calculator.