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

08.12.2022Pietsosähköä halliten ja tehostaen
07.12.2022Neljä ulottuvuutta kvanttiviestintään
06.12.2022Akkuelektrodeita kehittäen
05.12.2022Uusi konsepti aurinkokennoille
02.12.2022Monitoimiset metapintojen antennit
01.12.2022Paremmilla transistoreilla vai peräti ilman
30.11.2022Kasvihuonekaasu CO2 akun komponentiksi
29.11.2022Kuitua kvanttiviestinnälle
28.11.2022Älykkäästi reagoivaa materiaalia
25.11.2022Aikalinssi tuottaa ultranopeita pulsseja

Siirry arkistoon »