Морские слизни помогут улучшить оборудование для ИИ
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.
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.
