Naukowcy wykorzystali zaawansowane źródło fotonów do obserwowania naśladowania zachowań materii nieożywionej związanych z uczeniem się, torując drogę dla lepszej sztucznej inteligencji.
Naukowcy chcący stworzyć nową generację superkomputerów szukają inspiracji w najbardziej złożonym i energooszczędnym komputerze, jaki kiedykolwiek zbudowano: ludzkim mózgu.
W niektórych swoich początkowych próbach tworzenia komputerów inspirowanych mózgiem naukowcy przyglądają się różnym materiałom niebiologicznym, których właściwości można dostosować, aby wykazać zachowania podobne do uczenia się. Materiały te mogą stanowić podstawę sprzętu, który można sparować z nowymi algorytmami oprogramowania, aby umożliwić bardziej wydajną, użyteczną i energooszczędną sztuczną inteligencję (AI).
W nowym badaniu prowadzonym przez naukowców z Purdue University, badacze wystawili tlenek niklu z niedoborem tlenu na krótkie impulsy elektryczne i wywołali dwie różne reakcje elektryczne, które są podobne do uczenia się. Rezultatem jest w pełni elektryczny system, który pokazuje te zachowania związane z uczeniem się, powiedział profesor Rutgers University Shriram Ramanathan. (Ramanathan był profesorem na Uniwersytecie Purdue w czasie tej pracy.) Zespół badawczy wykorzystał zasoby Advanced Photon Source (APS), obiektu użytkownika Biura Naukowego Departamentu Energii USA (DOE) w Argonne National Laboratory DOE.
Pierwsza reakcja, przyzwyczajenie, pojawia się, gdy materiał „przyzwyczaja się” do lekkiego pociągnięcia. Naukowcy zauważyli, że choć opór materiału wzrasta po początkowym wstrząsie, szybko przyzwyczaja się on do bodźca elektrycznego. „Przyzwyczajenie jest podobne do tego, co dzieje się, gdy mieszkasz w pobliżu lotniska” – powiedziała Fanny Rodolakis, fizyk i naukowiec zajmujący się liniami energetycznymi w APS. „W dniu, w którym się wprowadzasz, myślisz„ co za hałas ”, ale w końcu prawie już tego nie zauważasz”.
Druga reakcja wykazana przez materiał, uczulenie, pojawia się, gdy zostanie podana większa dawka prądu. „Przy większym bodźcu reakcja materiału rośnie zamiast zmniejszać się w czasie” – powiedział Rodolakis. „To jak oglądanie strasznego filmu, a potem ktoś mówi „buu!” zza rogu – widać, jak naprawdę skacze”.
„Prawie wszystkie żywe organizmy wykazują te dwie cechy” – powiedział Ramanathan. „Oni naprawdę są fundamentalnym aspektem inteligencji”.
Te dwa zachowania są kontrolowane przez interakcje kwantowe między elektronami, których nie można opisać fizyką klasyczną i które pomagają stworzyć podstawę przejścia fazowego w materiale. „Przykładem przejścia fazowego jest przejście cieczy w ciało stałe” – powiedział Rodolakis. „Materiał, na który patrzymy, znajduje się tuż na granicy, a konkurencyjne interakcje, które mają miejsce na poziomie elektronicznym, można łatwo przechylić w jedną lub drugą stronę przez małe bodźce”.
Posiadanie systemu, który może być w pełni kontrolowany za pomocą sygnałów elektrycznych, jest niezbędne dla aplikacji komputerowych inspirowanych mózgiem, powiedział Ramanathan. „Możliwość manipulowania materiałami w ten sposób pozwoli sprzętowi przejąć część odpowiedzialności za inteligencję” – wyjaśnił. „Wykorzystanie właściwości kwantowych do wprowadzenia inteligencji do sprzętu stanowi kluczowy krok w kierunku energooszczędnego przetwarzania”.
Różnica między przyzwyczajeniem a uczuleniem może pomóc naukowcom przezwyciężyć wyzwanie w rozwoju sztucznej inteligencji, zwane dylematem stabilność-plastyczność. Z jednej strony algorytmy sztucznej inteligencji często zbyt niechętnie dostosowują się do nowych informacji. Ale z drugiej strony, kiedy to robią, często zapominają część tego, czego się już nauczyli. Tworząc materiał, który może się przyzwyczaić, naukowcy mogą nauczyć go ignorowania lub zapominania niepotrzebnych informacji, a tym samym osiągnąć dodatkową stabilność, podczas gdy uczulenie może nauczyć go zapamiętywania i włączania nowych informacji, umożliwiając plastyczność.
„AI często ma trudności z nauką i przechowywaniem nowych informacji bez nadpisywania informacji, które zostały już zapisane” – powiedział Rodolakis. „Zbyt duża stabilność uniemożliwia uczenie się sztucznej inteligencji, ale zbyt duża plastyczność może prowadzić do katastrofalnego w skutkach zapominania”.
Jedną z głównych zalet nowego badania był mały rozmiar urządzenia z tlenku niklu. „Ten rodzaj uczenia się nie był wcześniej wykonywany w obecnej generacji elektroniki bez dużej liczby tranzystorów” – powiedział Rodolakis. „Ten system pojedynczego złącza jest jak dotąd najmniejszym systemem wykazującym te właściwości, co ma duże implikacje dla możliwego rozwoju obwodów neuromorficznych”.
Aby wykryć dynamikę w skali atomowej odpowiedzialną za zachowania przyzwyczajenia i uczulenia, Rodolakis i Hua Zhou z Argonne wykorzystali rentgenowską spektroskopię absorpcyjną na liniach wiązki 29-ID-D i 33-ID-D APS.
Artykuł oparty na badaniu został opublikowany w numerze Steptember 19 Advanced Intelligent Systems.
Badania zostały sfinansowane przez Biuro Naukowe DOE (Biuro Podstawowych Nauk o Energii), Biuro Badań Armii, Biuro Badań Naukowych Sił Powietrznych oraz Narodową Fundację Nauki.