Raziskovalci posnemajo strategije morskih polžev v kvantnem materialu

Raziskovalci na univerzi Purdue so odkrili, da lahko material posnema najbolj bistvene inteligenčne značilnosti morskega polža. To bi jim lahko pomagalo zgraditi strojno opremo, ki bi naredila AI bolj učinkovito in zanesljivo, kar bi lahko vplivalo na številna področja, kot so avtonomna vozila, kirurški roboti in algoritmi družbenih medijev.

Študija je bila objavljena leta 2006. \ T Zbornik National Academy of Sciences. Vodila ga je skupina raziskovalcev z univerze Purdue, univerze Georgia, univerze Rutgers in nacionalnega laboratorija Argonne. 

Shriram Ramanathan je profesor inženiringa materialov na univerzi Purdue.

"S preučevanjem morskih polžev so nevroznanstveniki odkrili značilnosti inteligence, ki so temeljne za preživetje vsakega organizma," je dejal Ramanathan. "Želimo izkoristiti to zrelo inteligenco pri živalih, da pospešimo razvoj umetne inteligence."

Učenje od morskih polžev

Nevroznanstveniki so od morskih polžev spoznali dva glavna znaka inteligence: navajenost in preobčutljivost. Do navajanja pride, ko se nekaj ali nekdo sčasoma navadi na dražljaj, medtem ko je preobčutljivost takrat, ko se nekaj ali nekdo močno odzove na nov dražljaj.

Ena glavnih težav z AI je "dilema stabilnosti in plastičnosti", ki se pojavi, ko ima AI težave z učenjem in shranjevanjem novih informacij, ne da bi prepisal obstoječe informacije. Z navajanjem bi lahko AI »pozabil« nepotrebne informacije, da bi postal bolj stabilen. Hkrati bi lahko senzibilizacija pomagala pri ohranjanju novih in pomembnih informacij, kar omogoča plastičnost.

Predstavitev strategij v nikljevem oksidu 

Raziskovalci so lahko dokazali navajanje in preobčutljivost v nikljevem oksidu, ki je kvantni material zaradi svojih lastnosti, ki jih klasična fizika ne more pojasniti. Če bi lahko kvantni material uspešno uporabljal te oblike učenja, bi bilo mogoče AI vgraditi neposredno v strojno opremo. Umetna inteligenca bi lahko opravljala bolj zapletene naloge ob porabi manj energije, če bi lahko delovala prek strojne in programske opreme.

"V bistvu smo posnemali poskuse na morskih polžih v kvantnih materialih, da bi razumeli, kako so lahko ti materiali zanimivi za AI," je dejal Ramanathan.

Morski polži se navadijo, ko prenehajo toliko umikati svoje škrge, kar je odziv na ujetost v sifon. Električni udar repa morskega polža povzroči, da se škrge dramatično umaknejo, kar je preobčutljivost. 

Da bi to reproducirali v nikljevem oksidu, mora priti do povečane spremembe električnega upora. Z večkratnim izpostavljanjem materiala vodikovemu plinu se sprememba električnega upora nikljevega oksida sčasoma zmanjša. Ko pa se uvede nov dražljaj, kot je ozon, se sprememba električnega upora močno poveča. 

Raziskovalna skupina je upoštevala te ugotovitve in ekipa, ki jo je vodil Kaushik Roy, ugledni profesor elektrotehnike in računalništva Edward G. Tiedemann Jr. iz Purdueja, je modelirala obnašanje nikljevega oksida. Izdelali so algoritem, ki bi lahko uporabil strategije navajanja in preobčutljivosti za kategorizacijo podatkovnih točk v skupine.

»Dilema stabilnost-plastičnost sploh ni rešena. Vendar smo pokazali način, kako to rešiti na podlagi obnašanja, ki smo ga opazili v kvantnem materialu,« je dejal Roy. "Če bi lahko material, ki se tako uči, v prihodnosti spremenili v strojno opremo, bi lahko AI opravljal naloge veliko bolj učinkovito."

Da bi bilo to uporabno in praktično, morajo raziskovalci ugotoviti, kako uporabiti te strategije v velikih sistemih, kot tudi ugotoviti, kako bi se material lahko odzval na dražljaje, medtem ko je integriran v računalniški čip.