Belangrijkste afhaalrestaurants
- Een zeldzaam soort materie, spinglas genaamd, zou AI in staat kunnen stellen om objecten te herkennen zoals mensen dat doen.
- Het gebruik van spinglas voor printbare circuits zou ook kunnen leiden tot nieuwe vormen van low-power computing.
- Andere soorten op de hersenen geïnspireerde chips kunnen ook de manier waarop AI afbeeldingen herkent verbeteren.
Het rechtstreeks printen van circuits op fysieke objecten kan leiden tot slimmere kunstmatige intelligentie (AI).
Onderzoekers van het Los Alamos National Laboratory gebruiken een zeldzame vorm van materie die bekend staat als spinglas om circuits te vervangen. De ongebruikelijke eigenschappen van spinglas maken een vorm van AI mogelijk die objecten van gedeeltelijke afbeeldingen kan herkennen zoals de hersenen.
"Spin-brillen zijn systemen met een 'hobbelig landschap' van mogelijke oplossingen", vertelde Cris Moore, een computerwetenschapper en natuurkundige aan het Santa Fe Institute, die niet betrokken was bij het Los Alamos-onderzoek, in een e-mail aan Lifewire interview. "Ze helpen ons te analyseren waarom algoritmen soms vastlopen in oplossingen die er lokaal goed uitzien, maar niet de best mogelijke zijn."
Afdrukbare circuits
Het gebruik van spinglas voor printbare circuits zou ook kunnen leiden tot nieuwe vormen van low-power computing. Met het spinglas kunnen onderzoekers materiaalstructuren onderzoeken met behulp van wiskunde. Met deze aanpak kunnen wetenschappers de interactie binnen systemen aanpassen met behulp van elektronenstraallithografie, die een gefocuste elektronenstraal gebruikt om aangepaste vormen op een oppervlak te tekenen. De lithografie zou het printen van nieuwe soorten schakelingen mogelijk maken.
De lithografie maakt het mogelijk om een verscheidenheid aan computerproblemen in spin-glass-netwerken weer te geven, volgens een recent artikel van het Los Alamos-team, gepubliceerd in het peer-reviewed tijdschrift Nature Physics.
"Ons werk heeft de eerste experimentele realisatie bereikt van een kunstmatig spin-glas bestaande uit nanomagneten die zijn gerangschikt om een neuraal netwerk te repliceren", Michael Saccone, een postdoctoraal onderzoeker in theoretische natuurkunde aan het Los Alamos National Laboratory en hoofdauteur van de krant, zei in het persbericht. "Onze paper legt de basis die we nodig hebben om deze fysieke systemen praktisch te gebruiken."
Moore vergeleek spinglas met siliciumdioxide (vensterglas), dat een perfect kristal lijkt te zijn, maar als het afkoelt, komt het vast te zitten in een amorfe toestand die op moleculair niveau lijkt op een vloeistof.
"Op dezelfde manier kunnen algoritmen vast komen te zitten achter 'energiebarrières' die het globale optimum in de weg staan", voegde Moore eraan toe.
Ideeën uit de spinglastheorie kunnen onderzoekers helpen bij het navigeren door hoogdimensionale landschappen.
"Dit streven heeft een levendige interdisciplinaire gemeenschap gecreëerd op het snijvlak van natuurkunde, wiskunde en informatica", zei Moore."We kunnen ideeën uit de natuurkunde gebruiken om fundamentele limieten voor algoritmen te bepalen - zoals hoeveel ruis ze kunnen verdragen terwijl ze nog steeds patronen in gegevens vinden - en om algoritmen te ontwerpen die slagen tot aan die theoretische limieten."
AI die herinnert als mensen
Het onderzoeksteam onderzocht kunstmatig spinglas als een manier om te kijken naar zogenaamde Hopfield neurale netwerken. Deze netwerken modelleren het menselijke associatieve geheugen, het vermogen om de relatie tussen niet-gerelateerde items te leren en te onthouden.
Theoretische modellen die spin-brillen beschrijven, worden veel gebruikt in andere complexe systemen, zoals die welke de hersenfunctie beschrijven.
Als bij associatief geheugen slechts één geheugen wordt geactiveerd, bijvoorbeeld door een gedeeltelijke afbeelding van een gezicht als invoer te ontvangen, kan het netwerk het hele gezicht oproepen. In tegenstelling tot traditionele algoritmen, vereist associatief geheugen geen identiek scenario om een herinnering te identificeren.
Het onderzoek van Saccone en het team bevestigde dat spin-glass nuttig zal zijn om de eigenschappen van een systeem te beschrijven en hoe het informatie verwerkt. AI-algoritmen die in spinglas zijn ontwikkeld, zouden "rommeliger" zijn dan traditionele algoritmen, zei Saccone, maar ook flexibeler voor sommige AI-toepassingen.
"Theoretische modellen die spin-brillen beschrijven, worden veel gebruikt in andere complexe systemen, zoals die welke de hersenfunctie, foutcorrigerende codes of de dynamiek van de aandelenmarkt beschrijven," zei Saccone. "Deze brede interesse in spinglazen geeft een sterke motivatie om een kunstmatig spinglas te maken."
Andere soorten op de hersenen geïnspireerde chips kunnen ook de manier waarop AI afbeeldingen herkent, verbeteren. Een recent artikel laat zien hoe computerchips zichzelf dynamisch opnieuw kunnen bedraden om nieuwe gegevens op te nemen zoals het brein dat doet, waardoor AI in de loop van de tijd kan blijven leren.
"De hersenen van levende wezens kunnen hun hele leven lang blijven leren", zegt Shriram Ramanathan, een professor aan de Purdue University's School of Materials Engineering en een van de auteurs van het artikel in een persbericht."We hebben nu een kunstmatig platform gecreëerd waarop machines gedurende hun hele leven kunnen leren."
