Forskare upptäcker att lärande kan imiteras i syntetisk materia

Forskare vid Rutgers University har upptäckt att lärande kan imiteras i syntetisk materia. Lärande är en nyckelfunktion hos intelligens, och den nya upptäckten kan ha stora implikationer för algoritmutveckling inom artificiell intelligens (AI).

Den nya studien publicerades i tidskriften PNAS.

Grundläggande egenskap hos människor

Den grundläggande egenskapen hos lärande hos människor har varit inspirationen för utvecklingen av många AI-teknologier, och den möjliggör för dem att anpassa sig till förändrade förhållanden och miljöer. Men AI fokuserar ofta på att imitera mänsklig logik. Den nya upptäckten av forskarna ger en möjlighet att imitera mänsklig kognition i enheter som kan lära, komma ihåg och fatta beslut liknande människor och vår hjärna.

Genom att skapa detta i fast tillstånd kan nya algoritmer inom AI och neuromorfisk datoranvändning utvecklas med flexibiliteten att hantera osäkerheter, motsättningar och andra liknande aspekter som finns i våra dagliga liv. Neuromorfisk datoranvändning bygger artificiella nervsystem för att överföra elektriska signaler som imiterar hjärnsignaler, och den gör detta för att imitera den övergripande neurala strukturen och funktionen hos den mänskliga hjärnan.

Forskarna vid Rutgers deltog av kollegor vid Purdue, University of Georgia och Argonne National Laboratory.

Nickeloxids roll

Tillsammans studerade forskarna hur den elektriska ledningsförmågan hos nickeloxid, som är ett speciellt slags isolerande material, svarade efter att dess miljö hade ändrats flera gånger under olika tidsintervall.

Subhashish Mandal är en postdoktorand i fysik och astronomi vid Rutgers-New Brunswick.

“Målet var att hitta ett material vars elektriska ledningsförmåga kan styras genom att modulera koncentrationen av atomära defekter med externa stimuli som syre, ozon och ljus”, sa Mandal. “Vi studerade hur detta material beter sig när vi dopar systemet med syre eller väte, och framför allt, hur den externa stimulansen förändrar materialets elektroniska egenskaper.”

En av forskarnas upptäckter var att när gasstimuli ändrades snabbt, kunde materialet inte svara fullt ut. Istället förblev det i ett instabilt tillstånd i antingen miljö medan dess svar började minska.

Forskarna introducerade sedan en noxiumstimulus som ozon, och materialet svarade mer kraftfullt innan det minskade igen.

“Det mest intressanta med våra resultat är att det demonstrerar universella lärandeegenskaper som habituering och sensibilisering som vi vanligtvis hittar i levande arter”, sa Mandal. “Dessa materialegenskaper kan i sin tur inspirera nya algoritmer för artificiell intelligens. Liksom kollektiv rörelse av fåglar eller fisk har inspirerat AI, tror vi att kollektivt beteende av elektroner i en kvantfast kan göra detsamma i framtiden.

“Den växande AI-branschen kräver hårdvara som kan hantera adaptiva minnesegenskaper utöver vad som används i dagens datorer”, fortsatte han. “Vi finner att nickeloxidisolatorer, som historiskt har varit begränsade till akademiska sysselsättningar, kan vara intressanta kandidater att testas i framtiden för hjärninspirerade datorer och robotik.”