นักวิจัยเลียนแบบยุทธวิธีจากหอยเป่าในวัสดุควอนตัม

นักวิจัยจากมหาวิทยาลัยเพอร์ดูได้ค้นพบว่าวัสดุสามารถเลียนแบบคุณสมบัติความฉลาดที่สำคัญที่สุดของหอยเป่า ซึ่งอาจช่วยให้พวกเขาสร้างฮาร์ดแวร์ที่ทำให้ AI มีประสิทธิภาพและเชื่อถือได้มากขึ้น ซึ่งอาจส่งผลกระทบต่อหลายสาขา เช่น รถยนต์ไร้คนขับ หุ่นยนต์ศัลยกรรม และอัลกอริธึมโซเชียลมีเดีย

การวิจัยนี้ได้รับการตีพิมพ์ใน Proceedings of the National Academy of Sciences. และได้รับการนำโดยทีมนักวิจัยจากมหาวิทยาลัยเพอร์ดู มหาวิทยาลัยจอร์เจีย มหาวิทยาลัยรัทเกอร์ส และห้องปฏิบัติการแห่งชาติอาร์กอนน์

Shriram Ramanathan เป็นศาสตราจารย์จากมหาวิทยาลัยเพอร์ดู

“ผ่านการเรียนรู้จากหอยเป่า นักวิทยาศาสตร์ประสาทได้ค้นพบเครื่องหมายของความฉลาดที่เป็นพื้นฐานสำหรับการอยู่รอดของสิ่งมีชีวิตใดๆ” Ramanathan กล่าว “เราต้องการใช้ประโยชน์จากความฉลาดที่เติบโตเต็มที่ใน动物เพื่อเร่งพัฒนาการของ AI”

การเรียนรู้จากหอยเป่า

นักวิทยาศาสตร์ประสาทได้เรียนรู้สัญญาณของความฉลาดสองประการจากหอยเป่า คือ การทำให้เคยชินและความไวต่อการกระตุ้น การทำให้เคยชินเกิดขึ้นเมื่อบางสิ่งหรือบางคนเคยชินกับการกระตุ้นเมื่อเวลาผ่านไป ในขณะที่ความไวต่อการกระตุ้นเกิดขึ้นเมื่อบางสิ่งหรือบางคนตอบสนองอย่างรุนแรงต่อการกระตุ้นใหม่

หนึ่งในปัญหาที่สำคัญของ AI คือ “ปัญหาความมั่นคงและความยืดหยุ่น” ซึ่งเกิดขึ้นเมื่อ AI มีปัญหาในการเรียนรู้และจัดเก็บข้อมูลใหม่โดยไม่ลบข้อมูลที่มีอยู่แล้ว ด้วยการทำให้เคยชิน AI จะ “ลืม” ข้อมูลที่ไม่จำเป็นเพื่อให้เสถียรมากขึ้น ในขณะเดียวกัน ความไวต่อการกระตุ้นจะช่วยให้ AI เก็บข้อมูลใหม่และสำคัญได้ ซึ่งทำให้เกิดความยืดหยุ่น

การแสดงยุทธวิธีในนิกเกิลออกไซด์

นักวิจัยสามารถแสดงให้เห็นทั้งการทำให้เคยชินและความไวต่อการกระตุ้นในนิกเกิลออกไซด์ ซึ่งเป็นวัสดุควอนตัมเนื่องจากคุณสมบัติที่ไม่สามารถอธิบายได้ด้วยฟิสิกส์แบบดั้งเดิม หากวัสดุควอนตัมสามารถใช้การเรียนรู้เหล่านี้ได้สำเร็จ อาจเป็นไปได้ที่จะสร้าง AI โดยตรงเข้าไปในฮาร์ดแวร์ AI จะสามารถทำงานที่ซับซ้อนมากขึ้นโดยใช้พลังงานน้อยลงหากสามารถทำงานผ่านฮาร์ดแวร์และซอฟต์แวร์ได้

“เราได้เลียนแบบการทดลองที่ทำกับหอยเป่าในวัสดุควอนตัมเพื่อทำความเข้าใจว่าวัสดุเหล่านี้สามารถใช้ประโยชน์สำหรับ AI ได้อย่างไร” Ramanathan กล่าว

หอยเป่าแสดงให้เห็นการทำให้เคยชินเมื่อพวกมันหยุดดึงก้านหายใจออกมา ซึ่งเป็นการตอบสนองต่อการถูกจับบนซิฟอน การกระตุ้นด้วยไฟฟ้าไปยังหางของหอยเป่าจะทำให้ก้านหายใจดึงออกมาอย่างรุนแรง ซึ่งเป็นความไวต่อการกระตุ้น

เพื่อเลียนแบบสิ่งนี้ในนิกเกิลออกไซด์ จะต้องมีการเปลี่ยนแปลงความต้านทานไฟฟ้าที่เพิ่มขึ้น โดยการเปิดเผยสารนิกเกิลออกไซด์ต่อไฮโดรเจนแก๊สซ้ำๆ ความต้านทานไฟฟ้าจะลดลงเมื่อเวลาผ่านไป แต่เมื่อกระตุ้นใหม่ เช่น โอโซน จะทำให้ความต้านทานไฟฟ้าเพิ่มขึ้นอย่างมาก

กลุ่มวิจัยได้นำผลการวิจัยเหล่านี้มาใช้ และทีมที่นำโดย Kaushik Roy ศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์จากมหาวิทยาลัยเพอร์ดู ได้สร้างแบบจำลองพฤติกรรมของนิกเกิลออกไซด์ พวกเขาได้สร้างอัลกอริทึมที่สามารถใช้การทำให้เคยชินและความไวต่อการกระตุ้นเพื่อจัดกลุ่มข้อมูล

“ปัญหาความมั่นคงและความยืดหยุ่นยังไม่ได้รับการแก้ไข แต่เราได้แสดงให้เห็นวิธีการแก้ไขปัญหานี้โดยอาศัยพฤติกรรมที่เราได้สังเกตเห็นในวัสดุควอนตัม” Roy กล่าว “หากเราสามารถเปลี่ยนวัสดุที่เรียนรู้ได้เช่นนี้ให้เป็นฮาร์ดแวร์ในอนาคต AI จะสามารถทำงานได้อย่างมีประสิทธิภาพมากขึ้น”

เพื่อให้สิ่งนี้มีประโยชน์และเป็นไปได้ นักวิจัยจะต้องค้นหาวิธีการใช้กลยุทธ์เหล่านี้ในระบบขนาดใหญ่ รวมถึงการกำหนดว่าวัสดุจะตอบสนองต่อการกระตุ้นอย่างไรเมื่อถูกผสมเข้ากับชิปคอมพิวเตอร์