Edge of Chaos apre la strada alle scoperte dell’IA

Scienziati dell’Università di Sydney e del National Institute of Materials Science (NIMS) del Giappone hanno scoperto che una rete artificiale di nanofili può essere sintonizzata per rispondere in modo simile al cervello quando viene stimolata elettricamente.

Il team internazionale guidato da Joel Hochstetter con il professor Zdenka Koncic e il professor Tomonobu Nakayama lo ha trovato mantenendo una rete di nanofili In uno stato simile al cervello “ai margini del caos”, svolgeva compiti a un livello ottimale.

Questo, dicono, indica che la natura fondamentale della neuro-intelligenza è fisica e la loro scoperta apre una strada entusiasmante per lo sviluppo dell’intelligenza artificiale.

Lo studio è stato pubblicato oggi in Comunicazioni sulla natura.

“Abbiamo usato fili di 10 μm di lunghezza e non più di 500 nm di spessore disposti casualmente su un piano bidimensionale”, ha detto l’autore principale Joel Hochstetter, un dottorando presso il Nano Institute e la University of Sydney School of Physics.

“Quando i fili si sovrappongono, formano una giunzione elettrochimica, come le sinapsi tra i neuroni”, ha detto. “Abbiamo scoperto che i segnali elettrici alimentati attraverso questa rete trovano automaticamente il percorso migliore per trasmettere informazioni. Questa struttura consente alla rete di “ricordare” i percorsi precedenti attraverso il sistema”.

Ai margini del caos

Usando le simulazioni, il team di ricerca ha testato la rete di nanocavi casuali per vedere come farla funzionare al meglio per risolvere compiti semplici.

Se il segnale stimolato dalla rete era troppo basso, i percorsi erano troppo prevedibili e ordinati e non producevano un output abbastanza complesso da essere utile. Se il segnale elettrico travolge la rete, l’uscita sarà completamente caotica e inutile nella risoluzione dei problemi.

Il segnale ottimale per produrre un’uscita utile era al limite di questo stato caotico.

Il professor Koncic dell’Università di Sydney ha dichiarato: “Alcune teorie delle neuroscienze suggeriscono che il cervello umano può operare ai margini di questo caos, o il cosiddetto stato critico”. “Alcuni neuroscienziati credono che in questo caso raggiungiamo le massime prestazioni del cervello”.

Il prof. Konsik è il dottorando del sig. Hochstetter. Consulente e attualmente Fulbright Scholar presso l’UCLA, lavora all’intersezione tra nanoscienza e intelligenza artificiale.

“La cosa interessante di questo risultato è che suggerisce che questi tipi di reti di nanocavi possono essere sintonizzati su sistemi con diverse dinamiche collettive simili al cervello, che possono essere sfruttate per migliorare l’elaborazione delle informazioni”, ha affermato.

Superare la duplicazione del computer

In una rete di nanofili, le interconnessioni tra i cavi consentono al sistema di integrare memoria e operazioni in un unico sistema. Questo è diverso dai computer standard, che separano la memoria (RAM) e i processi (CPU).

“Queste giunzioni si comportano come i transistor dei computer, ma con l’ulteriore proprietà di ricordare che i segnali hanno già percorso questo percorso in precedenza. Come tali, sono chiamati memristori”, ha detto Hochstetter.

Questa memoria assume una forma fisica, con giunzioni nei punti di incrocio tra nanofili che agiscono come interruttori, il cui comportamento dipende dalla risposta storica ai segnali elettrici. Quando i segnali vengono applicati attraverso queste giunzioni, piccoli fili d’argento crescono per attivare le giunzioni consentendo alla corrente di fluire attraverso di esse.

“Questo crea una rete di memoria all’interno del sistema randomizzato di nanofili”, ha detto.

Hochstetter e il suo team hanno costruito una simulazione della rete fisica per mostrare come può essere addestrata per risolvere compiti molto semplici.

“Per questo studio, abbiamo addestrato la rete a convertire una semplice forma d’onda in tipi più complessi di forme d’onda”, ha affermato Hochstetter.

Nella simulazione hanno modificato l’ampiezza e la frequenza segnale elettrico Per vedere dove si verificano le migliori prestazioni.

“Abbiamo scoperto che se spingi il segnale troppo lentamente, la rete fa la stessa cosa più e più volte senza apprendimento e sviluppo. Se lo spingiamo troppo forte e troppo velocemente, la rete diventa irregolare e imprevedibile”, ha detto.

I ricercatori dell’Università di Sydney lavorano a stretto contatto con i collaboratori dell’International Center for Tectonic Nanomaterials del NIMS in Giappone e dell’UCLA, dove il professor Koncic è visiting scholar. I sistemi di nanofili sono stati sviluppati presso NIMS e UCLA e il signor Hochstetter ha sviluppato l’analisi, lavorando con i coautori e gli altri studenti di dottorato, Ruomin Zhu e Alon Loeffler.

Ridurre il consumo di energia

Il professor Koncic ha affermato che il consolidamento della memoria e dei processi presenta enormi vantaggi pratici per lo sviluppo dell’intelligenza artificiale in futuro.

“Gli algoritmi devono addestrare la rete a sapere a quale giunzione deve essere assegnato il ‘carico’ appropriato o il peso delle informazioni che assorbe più potenza”, ha affermato.

“I sistemi che sviluppiamo eliminano la necessità di tali algoritmi. Permettiamo solo alla rete di sviluppare la propria ponderazione, il che significa che dobbiamo preoccuparci solo del segnale in entrata e in uscita, un framework noto come “tank computing”. Rete I pesi si adattano da soli, rilasciando potenzialmente grandi quantità di energia.

Ciò significa che qualsiasi futuro sistema di intelligenza artificiale che utilizzerà tali reti avrà un impatto energetico molto inferiore, ha affermato.