Το “Edge of chaos” ανοίγει το δρόμο για ανακαλύψεις τεχνητής νοημοσύνης

Η εντύπωση του καλλιτέχνη για ένα νευρικό δίκτυο (αριστερά) δίπλα σε ένα οπτικό μικρογράφημα ενός φυσικού δικτύου nanowire. Πίστωση: Adrian Diaz-Alvarez / NIMS Japan

Επιστήμονες στο Πανεπιστήμιο του Σίδνεϊ και το Ιαπωνικό Εθνικό Ινστιτούτο Επιστημών Υλικών (NIMS) διαπίστωσαν ότι ένα τεχνητό δίκτυο νανοσωλήνων μπορεί να συντονιστεί ώστε να αντιδρά με τον εγκέφαλο τρόπο όταν διεγείρεται ηλεκτρικά.


Η διεθνής ομάδα, με επικεφαλής τον Joel Hochstetter με την καθηγήτρια Zdenka Kuncic και τον καθηγητή Tomonobu Nakayama, διαπίστωσε ότι διατηρώντας το δίκτυο νανοσύρματα σε κατάσταση εγκεφάλου “στα πρόθυρα του χάους”, εκτελούσε εργασίες σε βέλτιστο επίπεδο.

Αυτό, λένε, υποδηλώνει ότι η υποκείμενη φύση της νευρικής νοημοσύνης είναι φυσική και η ανακάλυψή τους ανοίγει μια συναρπαστική οδό για την ανάπτυξη της τεχνητής νοημοσύνης.

Η μελέτη δημοσιεύθηκε σήμερα στις Φυσικές επικοινωνίες.

“Χρησιμοποιήσαμε σύρματα μήκους 10 μικρομέτρων και πάχους όχι περισσότερο από 500 νανομέτρων τυχαία διατεταγμένα σε ένα δισδιάστατο επίπεδο”, δήλωσε ο επικεφαλής συγγραφέας Joel Hochstetter, διδακτορικός φοιτητής στο Πανεπιστήμιο του Σίδνεϊ Νανο Ινστιτούτου και Σχολή Φυσικής.

“Όπου τα καλώδια αλληλεπικαλύπτονται, σχηματίζουν μια ηλεκτροχημική σύνδεση, όπως οι συνάψεις μεταξύ νευρώνων”, είπε. “Ανακαλύψαμε ότι τα ηλεκτρικά σήματα που μεταδίδονται μέσω αυτού του δικτύου βρίσκουν αυτόματα την καλύτερη διαδρομή για τη μετάδοση πληροφοριών. Και αυτή η αρχιτεκτονική επιτρέπει στο δίκτυο να” θυμάται “προηγούμενες διαδρομές μέσω του συστήματος.”

Στο χείλος του χάους

Χρησιμοποιώντας προσομοιώσεις, η ερευνητική ομάδα δοκίμασε τον τυχαίο πίνακα nanowire για να δει πώς να το κάνει καλύτερο στην επίλυση απλών εργασιών.

Εάν το σήμα που διεγείρει το δίκτυο ήταν πολύ αδύναμο, τότε οι διαδρομές ήταν πολύ προβλέψιμες και ομαλές και δεν παρήγαγαν εξόδους πολύπλοκες ώστε να είναι χρήσιμες. Εάν το ηλεκτρικό σήμα κατακλύζει το δίκτυο, η έξοδος ήταν εντελώς χαοτική και άχρηστη για την επίλυση προβλημάτων.

Το βέλτιστο σήμα για την παραγωγή χρήσιμης εξόδου ήταν στα πρόθυρα αυτής της χαοτικής κατάστασης.

“Ορισμένες θεωρίες στη νευροεπιστήμη υποδηλώνουν ότι το ανθρώπινο μυαλό θα μπορούσε να λειτουργεί σε αυτήν την άκρη του χάους, ή αυτό που ονομάζεται κρίσιμη κατάσταση”, δήλωσε ο καθηγητής Kuncic του Πανεπιστημίου του Σίδνεϊ. “Μερικοί νευροεπιστήμονες πιστεύουν ότι σε αυτήν την κατάσταση επιτυγχάνουμε κορυφαία απόδοση στον εγκέφαλο.”

Ο καθηγητής Kuncic είναι το διδακτορικό του M. Hochstetter. σύμβουλος και είναι επί του παρόντος συνεργάτης Fulbright στο Πανεπιστήμιο της Καλιφόρνια στο Λος Άντζελες, που εργάζεται στη διασταύρωση μεταξύ νανοεπιστήμης και τεχνητής νοημοσύνης.

Είπε: “Αυτό που είναι τόσο συναρπαστικό για αυτό το αποτέλεσμα είναι ότι υποδηλώνει ότι αυτοί οι τύποι δικτύων nanowire μπορούν να προσαρμοστούν σε καθεστώτα με διαφορετικές συλλογικές, εγκεφαλικές δυναμικές, που μπορούν να αξιοποιηθούν. Για τη βελτιστοποίηση της επεξεργασίας πληροφοριών.”

Ξεπεράστε τη δυαδικότητα

Στη συστοιχία nanowire, οι συνδέσεις μεταξύ των καλωδίων επιτρέπουν στο σύστημα να ενσωματώνει μνήμη και λειτουργίες σε ένα μόνο σύστημα. Αυτό διαφέρει από τους τυπικούς υπολογιστές, οι οποίοι διαχωρίζουν τη μνήμη (RAM) και τις λειτουργίες (CPU).

“Αυτές οι διασταυρώσεις λειτουργούν σαν τρανζίστορ υπολογιστών, αλλά με την προστιθέμενη ιδιότητα να θυμόμαστε ότι τα σήματα έχουν ταξιδέψει σε αυτή τη διαδρομή στο παρελθόν. Ως εκ τούτου, ονομάζονται” memristors “”, δήλωσε ο Hochstetter.

Αυτή η μνήμη παίρνει μια φυσική μορφή, όπου οι διασταυρώσεις στα σημεία διέλευσης μεταξύ των νανοσωλήνων ενεργούν ως διακόπτες, η συμπεριφορά των οποίων εξαρτάται από την ιστορική απόκριση στα ηλεκτρικά σήματα. Όταν εφαρμόζονται σήματα σε αυτούς τους κόμβους, αναπτύσσονται μικροσκοπικά νήματα αργύρου, ενεργοποιώντας τις συνδέσεις επιτρέποντας τη ροή του ρεύματος.

«Δημιουργεί ένα δίκτυο μνήμης στο τυχαίο σύστημα nanowire», είπε.

Ο κ. Hochstetter και η ομάδα του δημιούργησαν μια προσομοίωση του φυσικού δικτύου για να δείξουν πώς θα μπορούσε να εκπαιδευτεί για την επίλυση πολύ απλών εργασιών.

“Για αυτήν τη μελέτη, εκπαιδεύσαμε το δίκτυο για να μετατρέψουμε μια απλή κυματομορφή σε πιο περίπλοκους τύπους κυματομορφής”, δήλωσε ο Hochstetter.

Στην προσομοίωση, ρύθμισαν το πλάτος και τη συχνότητα του ηλεκτρικό σήμα για να δείτε πού συνέβη η καλύτερη απόδοση.

“Διαπιστώσαμε ότι αν πιέσετε το σήμα πολύ αργά, το δίκτυο κάνει το ίδιο πράγμα ξανά και ξανά χωρίς να μάθει ή να αναπτύξει. Εάν το πιέσουμε πολύ σκληρά και πολύ γρήγορα, το δίκτυο γίνεται ακανόνιστο και απρόβλεπτο”, δήλωσε. .

Ερευνητές στο Πανεπιστήμιο του Σίδνεϊ συνεργάζονται στενά με συνεργάτες στο Διεθνές Κέντρο Υλικών Νανοαρχιτεκτονικής στο NIMS στην Ιαπωνία και στο UCLA, όπου ο καθηγητής Kuncic είναι επισκέπτης ερευνητής Fulbright. Τα συστήματα nanowire αναπτύχθηκαν στα NIMS και UCLA και ο Dr. Hochstetter ανέπτυξε την ανάλυση, σε συνεργασία με συν-συγγραφείς και διδακτορικούς φοιτητές, Ruomin Zhu και Alon Loeffler.

Μειώστε την κατανάλωση ενέργειας

Ο καθηγητής Kuncic είπε ότι η ένωση μνήμης και λειτουργιών έχει τεράστια πρακτικά οφέλη για τη μελλοντική ανάπτυξη της τεχνητής νοημοσύνης.

«Οι αλγόριθμοι που χρειάζονται για να εκπαιδεύσουν το δίκτυο για να γνωρίζουν ποιος κορμός πρέπει να έχει το κατάλληλο φορτίο ή το βάρος της πληροφορίας καταναλώνει πολλή ενέργεια», είπε.

“Τα συστήματα που αναπτύσσουμε αφαιρούν την ανάγκη τέτοιων αλγορίθμων. Απλώς επιτρέπουμε στο δίκτυο να αναπτύξει τη δική του στάθμιση, πράγμα που σημαίνει ότι πρέπει να ανησυχούμε μόνο για το εισερχόμενο και εξερχόμενο σήμα, ένα πλαίσιο γνωστό ως” υπολογισμός δεξαμενών “. δίκτυο Τα βάρη αυτοπροσαρμόζονται, απελευθερώνοντας δυνητικά μεγάλες ποσότητες ενέργειας. “

Αυτό, είπε, σημαίνει ότι οποιοδήποτε μελλοντικό σύστημα τεχνητής νοημοσύνης που χρησιμοποιεί τέτοια δίκτυα θα έχει πολύ μικρότερο ενεργειακό αποτύπωμα.


Το Brain-on-a-chip θα απαιτούσε λίγη εκπαίδευση


Περισσότερες πληροφορίες:
Επικοινωνία για τη φύση (2021). DOI: 10.1038 / s41467-021-24260-z

Παραθέτω, αναφορά: Το «Edge of chaos» ανοίγει το δρόμο για ανακαλύψεις τεχνητής νοημοσύνης (2021, 29 Ιουνίου) που ανακτήθηκαν στις 29 Ιουνίου 2021 από https://phys.org/news/2021-06-edge-chaos-pathway-artificial- intelligence.html

Αυτό το έγγραφο υπόκειται σε πνευματικά δικαιώματα. Εκτός από την ορθή χρήση για ιδιωτικούς σκοπούς μελέτης ή έρευνας, κανένα μέρος δεν μπορεί να αναπαραχθεί χωρίς γραπτή άδεια. Το περιεχόμενο παρέχεται μόνο για πληροφορίες.

READ  Η υπέροχη ιστορία του Κινέζου Αμερικανού Wu Jianxiong, της πρώτης κυρίας σπουδών φυσικής - BBC News

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *