Электричество помогает найти материалы, которые могут “учиться”

Группа ученых в Национальной лаборатории Аргонна смогла наблюдать, как немногие материалы имитируют поведение, связанное с обучением, что, по их мнению, может привести к созданию лучших систем искусственного интеллекта (ИИ).

Статья, в которой описывается это исследование, была опубликована в Advanced Intelligent Systems.

Эта группа стремится разработать следующее поколение суперкомпьютеров и смотрит на человеческий мозг в поисках вдохновения.

Небиологические материалы с поведением, подобным обучению

Ученые, стремящиеся создать компьютеры, вдохновленные мозгом, часто обращаются к небиологическим материалам, которые намекают на то, что они могут проявлять поведение, подобное обучению. Эти материалы можно использовать для создания аппаратного обеспечения, которое можно объединить с новыми алгоритмами программного обеспечения, что позволит создать более энергоэффективные системы ИИ.

Новое исследование было возглавлено учеными из Университета Пердью. Они подвергли оксид никеля с дефицитом кислорода кратковременным электрическим импульсам и получили два разных электрических ответа, подобных обучению. Согласно профессору Шрираму Раманатану из Университета Рутгерса, который был профессором Университета Пердью на момент исследования, они разработали полностью электрически управляемую систему, демонстрирующую поведение, подобное обучению.

Исследовательская группа использовала ресурсы Advanced Photon Source (APS), объекта Управления энергетической информации Министерства энергетики США, расположенного в Национальной лаборатории Аргонна.

Хабитуация и сенситизация

Первый ответ, который возникает, – это хабитуация, которая происходит, когда материал привыкает к тому, что его слегка “запускают”. Хотя сопротивление материала увеличивается после первоначального удара, исследователи отметили, что он привыкает к электрическому стимулу.

Фанни Родолакис – физик и ученый на участке APS.

«Хабитуация – это как то, что происходит, когда вы живете рядом с аэропортом», – говорит Родолакис. «В день, когда вы переезжаете, вы думаете: «Какой шум», но в конце концов вы почти не замечаете этого».

Второй ответ, который проявляет материал, – это сенситизация, которая возникает, когда вводится более крупная доза электричества.

«С более крупным стимулом ответ материала растет, а не уменьшается со временем», – говорит Родолакис. «Это похоже на просмотр страшного фильма, а затем кто-то говорит «бу!» из-за угла – вы видите, как он действительно прыгает».

«Практически все живые организмы демонстрируют эти две характеристики», – продолжает Раманатан. «Они действительно являются фундаментальным аспектом интеллекта».

Два поведения контролируются квантовыми взаимодействиями, которые происходят между электронами. Эти взаимодействия не могут быть описаны классической физикой и играют роль в формировании основы для фазового перехода в материале.

«Пример фазового перехода – жидкость, которая становится твердой», – говорит Родолакис. «Материал, который мы рассматриваем, находится прямо на границе, и конкурирующие взаимодействия, которые происходят на электронном уровне, могут легко быть наклонены в одну или другую сторону небольшим стимулом».

Согласно Раманатану, важно иметь систему, которая может быть полностью управляема электрическими сигналами.

«Способность манипулировать материалами таким образом позволит аппаратному обеспечению взять на себя часть ответственности за интеллект», – говорит он. «Использование квантовых свойств для интеллекта в аппаратном обеспечении представляет собой ключевой шаг на пути к энергоэффективным вычислениям».

Преодоление дилеммы стабильности-пластичности

Ученые могут использовать разницу между хабитуацией и сенситизацией, чтобы преодолеть дилемму стабильности-пластичности, которая является серьезной проблемой в разработке ИИ. Алгоритмы часто испытывают трудности в адаптации к новой информации, и когда они это делают, они часто забывают часть своего предыдущего опыта или то, что они узнали. Если ученые создадут материал, который может хабитуироваться, они смогут научить его игнорировать или забыть ненужную информацию и достичь дополнительной стабильности. С другой стороны, сенситизация может научить систему запоминать и включать новую информацию, что позволяет достичь пластичности.

«ИИ часто испытывает трудности в обучении и хранении новой информации без перезаписи информации, которая уже была сохранена», – говорит Родолакис. «Слишком большая стабильность не позволяет ИИ учиться, но слишком большая пластичность может привести к катастрофическому забыванию».

Согласно команде, одним из больших преимуществ нового исследования было небольшое размера устройства из оксида никеля.

«Такое обучение ранее не проводилось в текущем поколении электроники без большого количества транзисторов», – объясняет Родолакис. «Система с одним соединением – это самая маленькая система на сегодняшний день, которая демонстрирует эти свойства, что имеет большие последствия для возможного развития нейроморфной схемотехники».