为了让人工智能变得更聪明，它首先需要像动物王国中最简单的生物之一：海蛞蝓一样聪明。一项新研究发现，一种材料可以模仿海蛞蝓最重要的智力特征。这一发现是朝着构建硬件迈出的一步，该硬件可以帮助人工智能在从自动驾驶汽车和手术机器人到社交媒体算法等技术方面更加高效和可靠。
这项研究于本周发表在《国家科学院院刊》上，由来自普渡大学、罗格斯大学、佐治亚大学和阿贡国家实验室的一组研究人员进行。
“通过研究海蛞蝓，神经科学家发现了对任何生物体的生存都至关重要的智力特征，”普渡大学材料工程教授ShriramRamanathan说。“我们希望利用动物的成熟智能来加速人工智能的发展。”
神经科学家从海蛞蝓中了解到的两个主要智力迹象是习惯化和敏感化。随着时间的推移，习惯会逐渐习惯一种刺激，例如每天在同一条路线上班时调整噪音。致敏则相反——它对新的刺激做出强烈反应，比如避免餐厅的不良食物。
人工智能很难在不覆盖已经学习和存储的信息的情况下学习和存储新信息，研究类脑计算的研究人员将这个问题称为“稳定性-可塑性困境”。习惯可以让人工智能“忘记”不需要的信息(实现更多的稳定性)，而敏感可以帮助保留新的和重要的信息(实现可塑性)。
在这项研究中，研究人员找到了一种方法来证明氧化镍(一种量子材料)的习惯化和敏化。这种材料被称为“量子”，因为它的特性无法用经典物理学来解释。
如果量子材料能够可靠地模仿这些学习形式，那么就有可能将人工智能直接构建到硬件中。如果人工智能可以通过硬件和软件进行操作，它可能能够使用更少的能量来执行更复杂的任务。
“我们基本上模拟了在量子材料中对海蛞蝓所做的实验，以了解这些材料如何对人工智能感兴趣，”拉马纳坦说。
神经科学研究表明，当海蛞蝓在被虹吸管敲击时停止尽可能多地收回鳃时，它就会表现出习惯。但是对它的尾巴进行电击会导致它的鳃更剧烈地缩回，表现出敏感。
对于氧化镍，相当于“退鳃”是电阻变化的增加。研究人员发现，反复将材料暴露在氢气中会导致氧化镍的电阻变化随时间减小，但引入臭氧等新刺激会大大增加电阻的变化。
受这些发现的启发，普渡大学的EdwardG.TiedemannJr.电气和计算机工程特聘教授KaushikRoy下属的一个研究小组对氧化镍的行为进行了建模，并构建了一种算法，该算法成功地使用这些习惯化和敏化策略将数据点分类为集群。
“稳定性-塑性困境根本没有解决。但我们已经展示了一种基于我们在量子材料中观察到的行为来解决它的方法，”罗伊说。“如果我们能够在未来将这样学习的材料转化为硬件，那么人工智能就可以更有效地执行任务。”
为了将量子材料用作人工智能硬件，研究人员需要弄清楚如何在大规模系统中应用习惯化和敏化。他们还必须确定材料在集成到计算机芯片中时如何对刺激做出反应。
研究人员说，这项研究是指导后续步骤的起点。除了在普渡大学进行的实验外，罗格斯大学的一个团队还进行了详细的理论计算，以在微观层面了解氧化镍内部发生的情况，从而模拟海蛞蝓的智力特征。阿贡国家实验室表征了氧化镍样品的特性，佐治亚大学测量了电导率以进一步分析材料的行为。