Tekoälylle elinikäistä oppimiskykyä

23.02.2022

Purdue-perovskiittista-tekoalya-250-t.jpg”Elävien olentojen aivot voivat oppia jatkuvasti koko elämän ajan. Olemme nyt luoneet keinotekoisen alustan koneiden oppimiseen koko elinkaarensa ajan", kehuu Purduen yliopiston materiaalitekniikan professori Shriram Ramanathan, joka on erikoistunut selvittämään, kuinka materiaalit voisivat jäljitellä aivoja tietojenkäsittelyn parantamiseksi.

Toisin kuin aivot, jotka muodostavat jatkuvasti uusia yhteyksiä neuronien välille oppimisen mahdollistamiseksi, sirujen piirit eivät muutu tehtaalta lähdön jälkeen.

Tämä on ongelma tekoälyn tekemisessä liikuteltavammaksi, kuten autonomisille ajoneuvoille tai avaruudessa oleville roboteille, jotka joutuisivat tekemään itsenäisiä päätöksiä eristyneissä ympäristöissä. Jos tekoäly voitaisiin upottaa suoraan laitteistoon sen sijaan, että sitä käytettäisiin vain ohjelmistolla, kuten tekoäly tyypillisesti tekee, nämä koneet voisivat toimia tehokkaammin.

Tutkimustyössään Ramanathan ja hänen tiiminsä rakensivat uuden piiritekniikan, joka voidaan ohjelmoida uudelleen tarpeen mukaan sähköpulssien avulla. "Jos haluamme rakentaa tietokoneen tai koneen, joka saa inspiraationsa aivoista, niin haluamme vastaavasti kyvyn ohjelmoida jatkuvasti ja uudelleen muuttaen sirun ominaisuuksia", Ramanathan selventää.

Piiritekniikka valmistettu perovskiittinikkelaatista, joka on erittäin herkkä vedylle. Sähköpulssien käyttäminen eri jännitteillä mahdollistaa sen, että piiri voi muuttaa vetyionien pitoisuutta nanosekunneissa, mikä luo tiloja, joita tutkijat havaitsivat, että ne voidaan sovittaa vastaaviin aivojen toimintoihin.

Kun piirissä on esimerkiksi enemmän vetyä lähellä sen keskustaa, se voi toimia neuronina, yksittäisenä neurosoluna. Kun siinä on vähemmän vetyä, piiri toimii synapsina eli yhteytenä neuronien välillä. Synapsi on se jota aivot käyttävät muistin tallentamiseen monimutkaisiin neuropiireihin.

Purdue-tiimin yhteistyökumppanit Santa Claran yliopistossa ja Portland State Universityssä osoittivat kokeellisen datan simuloinnilla, että tämän piirin sisäinen fysiikka luo dynaamisen rakenteen keinotekoiselle neuroverkolle, joka pystyy tunnistamaan elektrokardiogrammikuvioita ja numeroita tehokkaammin kuin staattinen verkko. Tämä neuroverkko käyttää "varastolaskentaa", joka selittää kuinka aivojen eri osat kommunikoivat ja siirtävät tietoa.

Pennsylvania State Universityn tutkijat osoittivat myös, että kun esitetään uusia ongelmia, neuronien ja synapsien dynaaminen verkko voi "poimia ja valita", mitkä piirit sopivat parhaiten kyseisten ongelmien ratkaisemiseen.

Koska näitä piirejä pystyi rakentamaan käyttämällä tavallisia puolijohteiden valmistustekniikoita ja sitä pystyy käyttämään huoneenlämmössä, Ramanathan uskoo, että tämä tekniikka voidaan ottaa helposti käyttöön puolijohdeteollisuudessa.

"Osoitimme, että tämä laite on erittäin vankka", sanoo Ph.D. opiskelija Michael Park. "Vaikka piiriä on ohjelmoitu yli miljoonan syklin verran, kaikkien toimintojen uudelleenkonfigurointi on erittäin toistettavaa."

Tutkijat pyrkivät seuraavaksi demonstroimaan näitä käsitteitä laajamittaisilla testisiruilla, joita käytettäisiin aivojen inspiroiman tietokoneen rakentamiseen.

Aiheesta aiemmin:

Astrosyytit tekoälyn tehostajiksi

Neuronit ja synapsit samalla materiaalilla

09.08.2022Lisää monipuolisia kvanttiantureita
08.08.2022Ihanteellisen puolijohdemateriaalin metsästystä
05.08.2022Polymeeriperustaista akkutekniikkaa
04.08.2022Grafeenin avulla kuvia nesteessä "uivista" atomeista
03.08.2022P-tietokoneiden potentiaali
02.08.2022Transistorista memristoriin: kytkentäteknologiaa tulevaisuutta varten
01.08.2022Pienemmän tehonkäytön neuroverkkoja
30.07.2022Suuri askel pienille moottoreille
29.07.2022Elektronit käyttäytyvät hienojakoisemmin
27.07.2022Erittäin viritettäviä komposiittimateriaaleja

Siirry arkistoon »