L’electricitat ajuda a trobar materials que poden “aprendre”

Un equip de científics del Laboratori Nacional d’Argonne va poder observar un comportament imitant material no viu associat a l’aprenentatge, que diuen que pot conduir a millors sistemes d’intel·ligència artificial (IA).

El document que descriu l’estudi es va publicar a Sistemes intel·ligents avançats.

El grup té com a objectiu desenvolupar la propera generació de superordinadors i mirant cap al cervell humà per inspirar-se.

Materials no biològics amb comportaments semblants a l’aprenentatge

Els investigadors que busquen fer ordinadors inspirats en el cervell sovint recorren a materials no biològics que indiquen que podrien adoptar comportaments semblants a l’aprenentatge. Aquests materials es podrien utilitzar per construir maquinari que es podria combinar amb nous algorismes de programari, permetent una IA més eficient energèticament.

El nou estudi va ser dirigit per científics de la Universitat de Purdue. Van exposar l’òxid de níquel amb deficiència d’oxigen a polsos elèctrics breus i van provocar dues respostes elèctriques diferents similars a l’aprenentatge. Segons el professor de la Universitat de Rutgers Shriram Ramanathan, que era professor a la Universitat de Purdue en el moment del treball, van idear un sistema totalment elèctric que demostrava comportaments d’aprenentatge.

L’equip d’investigació es va relacionar amb els recursos de l’Advanced Photon Source (APS), una instal·lació de l’Oficina Científica del Departament d’Energia (DOE) dels EUA al Laboratori Nacional d’Argonne del DOE.

Habituació i Sensibilització

La primera resposta que es produeix és l’habituació, que té lloc quan el material s’acostuma a ser lleugerament zappat. Tot i que la resistència del material augmenta després d’una sacsejada inicial, els investigadors van assenyalar que s’acostuma a l’estímul elèctric.

Fanny Rodolakis és física i científica de la línia de llum de l’APS.

“L’habituació és com el que passa quan vius a prop d’un aeroport”, diu Rodolakis. “El dia que et vas d’instal·lar, penses ‘quina raqueta’, però finalment ja no te n’adones”.

La segona resposta que mostra el material és la sensibilització, que es produeix quan s’administra una dosi més gran d’electricitat.

“Amb un estímul més gran, la resposta del material creix en lloc de disminuir amb el temps”, diu Rodolakis. “És semblant a veure una pel·lícula de por i després que algú digui ‘buu’! des de darrere d’una cantonada, veus que realment salta”.

“Pràcticament tots els organismes vius demostren aquestes dues característiques”, continua Ramanathan. “Realment són un aspecte fonamental de la intel·ligència”.

Els dos comportaments estan controlats per interaccions quàntiques que tenen lloc entre electrons. Aquestes interaccions no poden ser descrites per la física clàssica, i juguen un paper a l’hora de formar la base per a una transició de fase en el material.

“Un exemple de transició de fase és un líquid que es converteix en sòlid”, diu Rodolakis. “El material que estem veient es troba just a la frontera, i les interaccions en competència que tenen lloc a nivell electrònic es poden inclinar fàcilment d’una manera o una altra per petits estímuls”.

Segons Ramanathan, és essencial tenir un sistema que es pugui controlar completament mitjançant senyals elèctrics.

“Ser capaç de manipular materials d’aquesta manera permetrà que el maquinari assumeixi part de la responsabilitat de la intel·ligència”, diu. “L’ús de propietats quàntiques per incorporar intel·ligència al maquinari representa un pas clau cap a una informàtica eficient energèticament”.

Superació del dilema estabilitat-plasticitat

Els científics poden utilitzar la diferència entre l’habituació i la sensibilització per superar el dilema estabilitat-plasticitat, que és un repte important en el desenvolupament de la IA. Els algorismes sovint lluiten per adaptar-se a la nova informació i, quan ho fan, sovint obliden algunes de les seves experiències anteriors o el que han après. Si els científics creen un material que es pugui habituar, poden ensenyar-li a ignorar o oblidar la informació innecessària i aconseguir una estabilitat addicional. D’altra banda, la sensibilització podria entrenar el sistema per recordar i incorporar nova informació, cosa que possibilita la plasticitat.

“La IA sovint té dificultats per aprendre i emmagatzemar informació nova sense sobreescriure la informació que ja s’ha emmagatzemat”, diu Rodolakis. “L’excés d’estabilitat impedeix que la IA aprengui, però massa plasticitat pot provocar un oblit catastròfic”.

Segons l’equip, un dels grans avantatges del nou estudi va implicar la petita mida del dispositiu d’òxid de níquel.

“Aquest tipus d’aprenentatge no s’havia fet anteriorment en la generació actual d’electrònica sense un gran nombre de transistors”, explica Rodolakis. “El sistema d’unió única és el sistema més petit fins ara per mostrar aquestes propietats, la qual cosa té grans implicacions per al possible desenvolupament de circuits neuromòrfics”.

Leave a Comment

Your email address will not be published. Required fields are marked *