اکسید نیکل مادهای است که میتواند مانند حیوانات امکان یادگیری داشته باشد. و میتواند به تحقیقات بیشتر در زمینه هوش مصنوعی کمک کند.( ایده بزرگ)
یک ماده منحصر به فرد، اکسید نیکل، توانایی یادگیری چیزهایی در مورد محیط خود را به گونهای نشان میدهد که از ابتداییترین تواناییهای یادگیری حیوانات تقلید میکند.
برای بیش از نیم قرن، دانشمندان علوم اعصاب راب های دریایی را برای درک یادگیری اولیه حیوانات مطالعه کرده اند. دو مفهوم اساسی یادگیری عبارتند از: عادت کردن و حساس سازی.
عادتسازی زمانی اتفاق میافتد که واکنش ارگانیسم به یک محرک مکرر به طور مداوم کاهش مییابد. وقتی محققان برای اولین بار یک حلزون دریایی را لمس می کنند، آبشش های آن جمع می شوند. اما هر چه بیشتر به حلزون دست بزنند، کمتر آبشش را جمع میکند. حساس شدن واکنش شدید یک موجود زنده به یک محرک مضر یا غیرمنتظره است. اگر محققان سپس به یک حلزون دریایی ضربه بزنند، آبششهای خود را به طرز چشمگیری نسبت به زمانی که فقط لمس میکردند، جمع میکند. این حساسیت است.
اکسید نیکل ویژگی هایی دارد که به طرز چشمگیری شبیه این رفتار یادگیری است. به جای جمع شدن آبششها، تغییر رسانایی الکتریکی مواد را اندازهگیری کردیم. محرک، به جای فشار دادن انگشت، به طور مکرر محیط اکسید نیکل را بین هوای معمولی و گاز هیدروژن تغییر می داد.
اکسید نیکل جالب است زیرا هنگامی که آن را در معرض گاز هیدروژن قرار می دهید، ساختار کریستالی آن به طور ماهرانه ای تغییر می کند و الکترون های بیشتری برای تولید جریان الکتریکی در دسترس می شوند. در آزمایش خود، ما بین محیطهای هوای معمولی و فقط هیدروژنی جابهجا میشویم. شما انتظار دارید که رسانایی الکتریکی مستقیماً در ارتباط با قرار گرفتن در معرض هیدروژن یا هوا، نوسان داشته باشد. اما درست مانند رابهای دریایی، هر چه بیشتر آن را تحریک کنیم، تغییر در رسانایی اکسید نیکل به آرامی کاهش مییابد. به هیدروژن عادت کرد.
با این حال، وقتی ماده را در معرض نور شدید قرار میدادیم، به سرعت رسانایی خود را تغییر میداد - همان طور که یک راب همیشه به یک شوک کوچک واکنش چشمگیری میدهد.
توانایی یادگیری، به خاطر سپردن یا فراموش کردن اطلاعات در صورت لزوم، یک مهارت قدرتمند برای هر حیوان یا ماشین است. تاکنون، اکثریت قریب به اتفاق تحقیقات در زمینه هوش مصنوعی بر روی رویکردهای مبتنی بر نرمافزار برای یادگیری ماشین متمرکز شدهاند و تلاش بسیار کمتری برای مطالعه تواناییهای یادگیری مواد اختصاص داده شده است.
در مرکز این دو حوزه تحقیقاتی مرتبط، حوزه رایانه های الهام گرفته از مغز قرار دارد. برای اینکه هوش در سخت افزار رمزگذاری شود، دانشمندان به نیمه هادی هایی نیاز دارند که بتوانند از تجربیات گذشته یاد بگیرند و با محیط های پویا به روشی فیزیکی مشابه نورون های مغز حیوانات سازگار شوند. تحقیقات جدید ما نشان میدهد که چگونه اکسید نیکل ویژگیهای یادگیری را نشان میدهد که چگونه این یا مواد مشابه میتوانند به عنوان بلوکهای سازنده برای کامپیوترهای آینده عمل کنند.
چیزی که هنوز مشخص نیست
قبل از اینکه چنین موادی بتوانند در تراشههای کامپیوتری گنجانده شوند، شکافهای دانشی وجود دارد که باید برطرف شود. به عنوان مثال، هنوز مشخص نیست که یک ماده در چه مقیاس زمانی باید یاد بگیرد تا بتواند در سیستم های الکتریکی مفید باشد. چقدر سریع باید چیزی یاد گرفت یا فراموش کرد تا مفید باشد؟ ناشناخته دیگر این است که چگونه یا امکان تغییر ساختار اکسید نیکل برای تولید رفتارهای یادگیری متفاوت وجود دارد یا خیر.
علاوه بر آزمایشهای بیشتر روی خود مواد، درسهای نظری برای کشف وجود دارد. مشاهدات رفتار جمعی حیوانات در طبیعت - مانند گله های پرندگان و ماهی ها - محققان را برانگیخته است تا زمینه هایی از هوش مصنوعی مانند هوش ازدحام را توسعه دهند. به روشی مشابه، حرکت جمعی جالب اتمها و الکترونها در مواد میتواند الهام بخش هوش مصنوعی و طراحی سختافزار در آینده باشد.
با کشف مواد جدیدی که میتوانند اتمهای متحرک را در خود جای دهند، من خوشبین هستم که شاهد پیشرفتهای بیشتری باشیم که میتواند محققان را یک قدم به طراحی رایانههایی که از مغز حیوانات تقلید میکنند نزدیکتر کند.
های فن تک از شما دعوت می کند نظرات خود را در مورد این مقاله به اشتراک بگذارید