Apprendimento non associativo completamente elettrico in ossido di nichel
Shock per il sistema: usare l’elettricità per trovare materiali in grado di apprendere
Gli scienziati hanno utilizzato l’Advanced Photon Source per osservare un comportamento mimico materiale non vivente associato all’apprendimento, aprendo la strada a una migliore intelligenza artificiale .
Gli scienziati che cercano di creare una nuova generazione di supercomputer cercano ispirazione dal computer più complesso ed efficiente dal punto di vista energetico mai costruito: il cervello umano.
In alcune delle loro incursioni iniziali nella creazione di computer ispirati al cervello, i ricercatori stanno esaminando diversi materiali non biologici le cui proprietà potrebbero essere adattate per mostrare prove di comportamenti simili all’apprendimento. Questi materiali potrebbero costituire la base per l’hardware che potrebbe essere abbinato a nuovi algoritmi software per consentire un’intelligenza artificiale ( AI ) più potente, utile ed efficiente dal punto di vista energetico .
In un nuovo studio condotto da scienziati della Purdue University, i ricercatori hanno esposto l’ossido di nichel carente di ossigeno a brevi impulsi elettrici e suscitato due diverse risposte elettriche che sono simili all’apprendimento. Il risultato è un sistema completamente elettrico che mostra questi comportamenti di apprendimento, ha affermato il professore della Rutgers University Shriram Ramanathan. (Ramanathan era un professore alla Purdue University al momento di questo lavoro.) Il gruppo di ricerca ha utilizzato le risorse dell’Advanced Photon Source (APS), una struttura per gli utenti dell’Office of Science del Dipartimento dell’Energia degli Stati Uniti (DOE) presso l’Argonne National Laboratory del DOE.
La prima risposta, assuefazione, si verifica quando il materiale “si abitua” a essere leggermente zappato. Gli scienziati hanno notato che sebbene la resistenza del materiale aumenti dopo una scossa iniziale, si abitua presto allo stimolo elettrico. “L’assuefazione è come quello che succede quando vivi vicino a un aeroporto”, ha detto Fanny Rodolakis, fisico e scienziato della linea di luce presso l’APS. “Il giorno in cui ti trasferisci, pensi ‘che baccano’, ma alla fine non te ne accorgi quasi più.”
L’altra risposta mostrata dal materiale, la sensibilizzazione, si verifica quando viene somministrata una dose maggiore di elettricità. “Con uno stimolo più grande, la risposta del materiale cresce invece di diminuire nel tempo”, ha detto Rodolakis. “È come guardare un film dell’orrore e poi avere qualcuno che dice ‘boo!’ da dietro un angolo – lo vedi davvero saltare.
“Quasi tutti gli organismi viventi dimostrano queste due caratteristiche”, ha detto Ramanathan. “Sono davvero un aspetto fondamentale dell’intelligenza.”
Questi due comportamenti sono controllati da interazioni quantistiche tra elettroni che non possono essere descritte dalla fisica classica e che aiutano a formare le basi per una transizione di fase nel materiale. “Un esempio di transizione di fase è un liquido che diventa un solido”, ha detto Rodolakis. “Il materiale che stiamo guardando è proprio al limite e le interazioni in competizione che si verificano a livello elettronico possono facilmente essere ribaltate in un modo o nell’altro da piccoli stimoli.”
Avere un sistema che può essere completamente controllato da segnali elettrici è essenziale per le applicazioni informatiche ispirate al cervello, ha affermato Ramanathan. “Essere in grado di manipolare i materiali in questo modo consentirà all’hardware di assumersi parte della responsabilità dell’intelligenza”, ha spiegato. “L’utilizzo delle proprietà quantistiche per ottenere intelligenza nell’hardware rappresenta un passo fondamentale verso il calcolo ad alta efficienza energetica”.
La differenza tra assuefazione e sensibilizzazione può aiutare gli scienziati a superare una sfida nello sviluppo dell’IA chiamata dilemma stabilità-plasticità. Gli algoritmi di intelligenza artificiale possono spesso essere, da un lato, troppo riluttanti ad adattarsi alle nuove informazioni. Ma dall’altro, quando lo fanno, possono spesso dimenticare parte di ciò che hanno già imparato. Creando un materiale che può abituarsi, gli scienziati possono insegnargli a ignorare o dimenticare le informazioni non necessarie e ottenere così una stabilità aggiuntiva, mentre la sensibilizzazione potrebbe addestrarlo a ricordare e incorporare nuove informazioni, consentendo la plasticità.
” L’intelligenza artificiale spesso ha difficoltà ad apprendere e memorizzare nuove informazioni senza sovrascrivere informazioni che sono già state memorizzate”, ha affermato Rodolakis. “Troppa stabilità impedisce all’intelligenza artificiale di apprendere, ma troppa plasticità può portare a catastrofiche dimenticanze”.
Uno dei principali vantaggi del nuovo studio riguardava le dimensioni ridotte del dispositivo all’ossido di nichel. “Questo tipo di apprendimento non era mai stato fatto nell’attuale generazione di elettronica senza un gran numero di transistor”, ha detto Rodolakis. “Questo sistema a giunzione singola è il sistema più piccolo fino ad oggi per mostrare queste proprietà, il che ha grandi implicazioni per il possibile sviluppo di circuiti neuromorfici”.
Per rilevare le dinamiche su scala atomica responsabili dei comportamenti di assuefazione e sensibilizzazione, Hua Zhou di Rodolakis e Argonne ha utilizzato la spettroscopia di assorbimento dei raggi X alle linee di luce 29-ID-D e 33-ID-D dell’APS.
Un documento basato sullo studio è stato pubblicato nel numero di settembre 19 di Advanced Intelligent Systems.
La ricerca è stata finanziata dall’Office of Science (Office of Basic Energy Sciences) del DOE, dall’Army Research Office, dall’Air Force Office of Scientific Research e dalla National Science Foundation.
