ВСЕ НОВОСТИ ВЫСТАВКИ "НЕВА-2021"

Морские слизни помогут улучшить оборудование для ИИ

14 Сентябрь 2021 18:21
Читать 6 минут

Группе учёных удалось доказать, что с помощью имитации интеллектуальных особенностей морского слизня можно значительно улучшить оборудование для искусственного интеллекта. Это поможет усовершенствовать управление беспилотными автомобилями и хирургическими роботами. Об этом сообщает портал TechXplore.com.

ФОТО — Purdue University / Kayla Wiles

Исследование проводится группой американских учёных из Университета Пердью, Университета Рутгерса, Университета Джорджии и Аргоннской национальной лаборатории.

Изучая морских слизней, нейробиологи обнаружили признаки интеллекта, которые имеют основополагающее значение для выживания любого организма. Это привыкание и сенсибилизация (т. е. сильная реакция на новый стимул).

Пока ИИ действительно тяжело "научить" рационально хранить и использовать информацию. Так, привыкание позволит искусственному интеллекту "забывать" ненужную информацию, достигая тем самым большей стабильности. А сенсибилизация может помочь в сохранении новой и важной информации, обеспечивая пластичность.

Нейробиологи доказали, что морской слизняк демонстрирует привыкание, когда он перестаёт сжиматься в ответ на возможную угрозу, однако если слегка ударить слизняка слабым разрядом электрического тока, то он втягивается гораздо сильнее, это демонстрирует сенсибилизацию.

Сенсибилизацию и привыкание, обнаруженные у морского слизня, учёные продемонстрировали на оксиде никеля, квантовом материале.

ФОТО — Purdue University / Kayla Wiles

Для оксида никеля эквивалент втягивания — это повышенное изменение электрического сопротивления. Исследователи обнаружили, что многократное воздействие газообразного водорода на материал приводит к уменьшению электрического сопротивления оксида никеля, но введение нового стимула, такого как озон, значительно увеличивает изменение электрического сопротивления.

Вдохновленная этими выводами исследовательская группа смоделировала поведение оксида никеля и построила алгоритм, который успешно использовал эти стратегии привыкания и сенсибилизации для классификации точек.

Однако учёным осталось найти способ превратить такой "обучающийся" материал в оборудование, тогда ИИ мог бы эффективнее решать поставленные задачи.

Больше новостей: