研究人员模拟了在量子材料氧化镍中对海蛞蝓进行的实验，以了解这种材料如何对人工智能感兴趣。学分:普渡大学/凯拉·怀尔斯为了让人工智能变得更聪明，它首先需要像动物界最简单的生物之一——海蛞蝓一样聪明。一项新的研究发现，材料可以模仿海蛞蝓最基本的智力特征。这一发现是朝着构建硬件迈出的一步，有助于让人工智能在从自动驾驶汽车和手术机器人到社交媒体算法等技术领域变得更加高效和可靠。
这项研究发表在本周的《美国国家科学院院刊》上，由普渡大学、罗格斯大学、佐治亚大学和阿贡国家实验室的研究人员组成的团队进行。
“通过研究海蛞蝓，神经科学家发现了对任何生物体生存都至关重要的智力特征，”普渡大学材料工程教授施里拉姆·拉马纳森说。“我们想利用动物成熟的智力，加速AI的发展。”
神经科学家从海蛞蝓身上学到的两个主要智力迹象是习惯化和敏感化。习惯化是指随着时间的推移习惯于一种习惯，比如每天开车走同一条路去上班时，不去理会噪音。敏感化则相反——它对新的刺激有强烈的反应，比如避免餐馆里的坏食物。
人工智能很难在不覆盖已经学习和存储的信息的情况下学习和存储新信息，研究大脑启发计算的研究人员称这个问题为“稳定性-可塑性困境”习惯化可以让人工智能“忘记”不需要的信息(获得更大的稳定性)，而敏感化可以帮助保留新的重要信息(实现可塑性)。
在这项研究中，研究人员找到了一种方法来证明量子材料氧化镍的习惯化和敏化。这种材料被称为“量子”，因为它的性质无法用经典物理来解释。
通过用气体刺激这种量子材料(微小的灰色和黑色条纹矩形，中间)，研究人员发现这种材料可以模仿在海蛞蝓中发现的基本学习形式。学分:普渡大学/凯拉·怀尔斯如果量子材料能够可靠地模拟这些学习形式，那么将人工智能直接构建到硬件中是可能的。如果人工智能可以通过硬件和软件运行，它可能能够用更少的能量执行更复杂的任务。
“我们基本上模拟了在量子材料中对海蛞蝓所做的实验，以了解人工智能如何对这些材料感兴趣，”拉马纳森说。
神经科学研究表明，海蛞蝓在被虹吸管轻击时，会停止收回鳃，从而表现出习惯性。但是电击它的尾巴会导致它的鳃急剧收缩，表现出敏感。
对于氧化镍，相当于“鳃退”是电阻的增加变化。研究人员发现，反复将材料暴露在氢气中会导致氧化镍的电阻变化随着时间的推移而降低，但引入臭氧等新的刺激会大大增加电阻的变化。
受这些发现的启发，普渡大学电气和计算机工程杰出教授小爱德华·g·蒂德曼(Edward G. Tiedemann Jr .)领导的研究小组对氧化镍的行为进行了建模，并构建了一种算法，成功地使用这些习惯化和敏化策略将数据点分类成簇。
“稳定性-可塑性的困境根本没有解决。但是我们已经展示了一种基于我们在量子材料中观察到的行为来解决这个问题的方法，”罗伊说。“如果我们将来能把这样学习的材料变成硬件，那么人工智能就能更高效地执行任务。”
对于量子材料作为人工智能硬件的实际应用，研究人员需要弄清楚如何在大规模系统中应用习惯化和敏化。他们还必须确定一种材料在集成到计算机芯片中时如何对刺激做出反应。
研究人员说，这项研究是指导下一步行动的起点。除了在普渡大学进行的实验之外，罗格斯大学的一个团队还进行了详细的理论计算，以了解在微观层面上氧化镍内部发生了什么来模拟海蛞蝓的智力特征。阿贡国家实验室表征了氧化镍样品的性质，佐治亚大学测量了电导率，以进一步分析材料的行为。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
