Kulcs elvitelek
- A forgó üvegnek nevezett ritka anyagtípus lehetővé teheti az AI-t, amely az emberekhez hasonlóan felismeri a tárgyakat.
- A forgóüveg nyomtatható áramkörökben való használata új típusú, kis fogyasztású számítástechnikát is eredményezhet.
- Az agy által inspirált chipek más típusai is javíthatják a mesterséges intelligencia képfelismerését.
Az áramkörök közvetlen fizikai objektumokra történő nyomtatása intelligensebb mesterséges intelligenciához (AI) vezethet.
A Los Alamos National Laboratory kutatói az anyag ritka formáját, az úgynevezett forgóüveget használják az áramkörök helyettesítésére. A forgó üveg szokatlan tulajdonságai lehetővé teszik a mesterséges intelligencia egy olyan formáját, amely az agyhoz hasonlóan képes felismerni a tárgyakat részleges képekről.
"A forgó szemüvegek olyan rendszerek, amelyekben a lehetséges megoldások "rögös tája" található" - mondta a Lifewire-nek egy e-mailben Cris Moore, a Santa Fe Intézet informatikusa és fizikusa, aki nem vett részt a Los Alamos-kutatásban. interjú. "Segítenek elemezni, hogy az algoritmusok miért akadnak el néha olyan megoldásokban, amelyek helyben jól néznek ki, de nem a lehető legjobbak."
Nyomtatható áramkörök
A forgóüveg nyomtatható áramkörökben történő használata új típusú, alacsony fogyasztású számítástechnikai megoldásokhoz is vezethet. A spin-üveg lehetővé teszi a kutatók számára, hogy matematika segítségével vizsgálják az anyagszerkezeteket. Ezzel a megközelítéssel a tudósok módosíthatják a rendszereken belüli kölcsönhatást elektronsugaras litográfiával, amely fókuszált elektronsugarat használ egyéni alakzatok rajzolásához a felületre. A litográfia lehetővé teheti új típusú áramkörök nyomtatását.
A litográfia lehetővé teszi számos számítási probléma ábrázolását spin-glass hálózatokban a Los Alamos csapatának a Nature Physics folyóiratban közzétett legújabb tanulmánya szerint.
"Munkánkkal megvalósítottuk egy mesterséges spin-üveg első kísérleti megvalósítását, amely nanomágnesekből áll, amelyek egy neurális hálózatot replikálnak." Michael Saccone, a Los Alamos Nemzeti Laboratórium elméleti fizika posztdoktori kutatója és a – áll a lapban a sajtóközleményben. "A dolgozatunk lefekteti azokat az alapokat, amelyekre szükségünk van ezeknek a fizikai rendszereknek a gyakorlati használatához."
Moore a forgó üveget szilícium-dioxidhoz (ablaküveg) hasonlította, amely tökéletes kristálynak tűnik, de ahogy lehűl, amorf állapotba kerül, ami molekuláris szinten folyadéknak tűnik.
"Ugyanígy az algoritmusok beszorulhatnak a globális optimum útjában álló "energiakorlátok" mögé" - tette hozzá Moore.
A spinüveg elméletből származó ötletek segíthetnek a kutatóknak eligazodni a nagy dimenziós tájakon.
"Ez a törekvés élénk interdiszciplináris közösséget hozott létre a fizika, a matematika és a számítástechnika metszéspontjában" - mondta Moore."A fizikából származó ötletek segítségével meghatározhatjuk az algoritmusok alapvető korlátait – például azt, hogy mekkora zajt tudnak elviselni, miközben továbbra is találunk mintákat az adatokban –, és olyan algoritmusokat tervezhetünk, amelyek egészen az elméleti határokig sikeresek."
AI, amely úgy emlékezik, mint az emberek
A kutatócsoport mesterséges forgóüveget vizsgált, hogy megvizsgálja az úgynevezett Hopfield neurális hálózatokat. Ezek a hálózatok az emberi asszociatív memóriát modellezik, amely a nem kapcsolódó elemek közötti kapcsolat megtanulásának és emlékezésének képessége.
A forgó szemüveget leíró elméleti modelleket széles körben használják más összetett rendszerekben is, például az agyműködést leírókban.
Asszociatív memóriával, ha csak egy memória aktiválódik, például egy arc részleges képének fogadásával bemenetként – akkor a hálózat vissza tudja hívni a teljes arcot. A hagyományos algoritmusokkal ellentétben az asszociatív memória nem igényel azonos forgatókönyvet a memória azonosításához.
A Saccone és a csapat kutatása megerősítette, hogy a forgóüveg hasznos lesz a rendszer tulajdonságainak és információfeldolgozási módjának leírásában. A forgóüvegben kifejlesztett mesterséges intelligencia algoritmusok „rendetlenebbek” lennének, mint a hagyományos algoritmusok, mondta Saccone, de rugalmasabbak is lennének bizonyos mesterségesintelligencia-alkalmazások esetében.
"A forgó szemüveget leíró elméleti modelleket széles körben használják más összetett rendszerekben is, például az agyműködést, a hibajavító kódokat vagy a tőzsdei dinamikát leíró rendszerekben" - mondta Saccone. "A pörgethető szemüvegek iránti széles körű érdeklődés erős motivációt ad egy mesterséges forgóüveg létrehozásához."
Az agy által inspirált chipek más típusai is javíthatják a mesterséges intelligencia képfelismerését. Egy közelmúltban megjelent tanulmány bemutatja, hogy a számítógépes chipek hogyan képesek dinamikusan áthuzalozni magukat, hogy az agyhoz hasonlóan új adatokat fogadjanak be, segítve az AI-t a tanulásban az idő múlásával.
"Az élőlények agya élete során folyamatosan tanulhat" - mondta Shriram Ramanathan, a Purdue Egyetem Anyagmérnöki Karának professzora és a lap egyik szerzője egy sajtóközleményben."Most létrehoztunk egy mesterséges platformot a gépek számára, amelyek egész életük során tanulhatnak."
