研究人员发现，一种可以按需重新编程的电子芯片可能使人工智能能够像人脑一样更持续地学习。学分:普渡大学图片/丽贝卡·麦克霍当人类大脑学习新事物时，它会适应。但是当人工智能学习新的东西时，它往往会忘记已经学习过的信息。随着公司使用越来越多的数据来改善人工智能识别图像、学习语言和执行其他复杂任务的方式，本周发表在《科学》杂志上的一篇论文展示了一种方法，计算机芯片可以像大脑一样动态地重新布线以接收新数据，帮助人工智能随着时间的推移不断学习。
“生物的大脑可以在一生中不断学习。我们现在已经为机器创造了一个人工平台，让它们在整个生命周期中不断学习，”普渡大学材料工程学院的教授Shriram Ramanathan说，他专门发现材料如何模仿大脑来提高计算能力。
与大脑不断在神经元之间形成新的连接以实现学习不同，计算机芯片上的电路不会改变。一台机器使用多年的电路和工厂里最初为这台机器制造的电路没有任何不同。
这是使人工智能更加便携的一个问题，例如在太空中的自动驾驶车辆或机器人，它们必须在孤立的环境中自己做出决定。如果人工智能可以直接嵌入硬件，而不是像人工智能通常做的那样只在软件上运行，这些机器将能够更有效地运行。
在这项研究中，Ramanathan和他的团队构建了一种新的硬件，可以通过电脉冲按需重新编程。Ramanathan认为，这种适应性将使该设备承担所有必要的功能，以建立一个大脑启发的计算机。
Ramanathan说:“如果我们想建造一台受大脑启发的计算机或机器，那么相应地，我们希望拥有不断编程、重新编程和改变芯片的能力。
构建芯片形式的大脑
硬件是一个小型的矩形装置，由一种叫做钙钛矿镍酸盐的材料制成，这种材料对氢非常敏感。在不同的电压下施加电脉冲，可以让该设备在几纳秒内改变氢离子的浓度，创造出研究人员发现可以映射到大脑相应功能的状态。
例如，当该设备的中心附近有更多的氢时，它可以作为一个神经元，一个单一的神经细胞。由于该位置的氢较少，该设备充当突触，神经元之间的连接，这是大脑用来在复杂的神经回路中存储记忆的东西。
通过对实验数据的模拟，普渡大学团队在圣克拉拉大学和波特兰州立大学的合作者表明，该设备的内部物理特性为人工神经网络创造了动态结构，与静态网络相比，该网络能够更有效地识别心电图模式和数字。这种神经网络使用“储库计算”，这解释了大脑不同部分如何交流和传递信息。
宾夕法尼亚州立大学的研究人员也在这项研究中证明，随着新问题的出现，动态网络可以“挑选”最适合解决这些问题的电路。
由于该团队能够使用标准的半导体兼容制造技术制造该器件，并在室温下操作该器件，拉马纳森认为该技术可以很容易地被半导体行业采用。
“我们证明了这种装置非常坚固，”材料工程专业的普渡大学博士生迈克尔·帕克说。"在对设备编程超过一百万个周期后，所有功能的重新配置都是可重复的."
研究人员正致力于在大规模测试芯片上演示这些概念，这些芯片将被用来建造一台受大脑启发的计算机。
普渡大学的实验是在普渡大学发现园的FLEX实验室和Birck纳米技术中心进行的。该团队在阿尔贡国家实验室、伊利诺伊大学、布鲁克海文国家实验室和佐治亚大学的合作者对该设备的性能进行了测量。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
