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."
