Key takeaways
- En ny type maskinvare kan tillate kunstig intelligens å lære kontinuerlig som den menneskelige hjernen.
- Forskere ved Purdue University sier at enheten deres kan omprogrammeres ved behov gjennom elektriske pulser.
- Selv om et AI-system som lærer helt av seg selv fortsatt hovedsakelig er et konsept, er det mange eksempler som kommer i nærheten.
Kunstig intelligens (AI) kan snart få et løft fra en ny type databrikker inspirert av den menneskelige hjernen.
Forskere ved Purdue University har bygget en ny maskinvare som kan omprogrammeres ved behov gjennom elektriske pulser. Teamet hevder at denne tilpasningsevnen ville tillate enheten å ta på seg alle nødvendige funksjoner for å bygge en hjerneinspirert datamaskin. Det er en del av en pågående innsats for å bygge AI-systemer som kan lære kontinuerlig.
"Når AI-systemer lærer kontinuerlig i miljøet, kan de tilpasse seg en verden som endrer seg over tid," sa Stevens Institute of Technology AI-ekspert Jordan Suchow til Lifewire i et e-postintervju. "Vi ser dette for eksempel når et svindeloppdagelsessystem fanger opp et tidligere uobservert mønster av uredelige kjøp, eller når et ansiktsgjenkjenningssystem møter en person det aldri før har sett."
Livslange elever
Purdue-forskerne publiserte nylig artikkelen i tidsskriftet Science. Den beskriver hvordan databrikker dynamisk kan omkoble seg til å ta inn nye data på samme måte som hjernen gjør. Tilnærmingen kan hjelpe AI med å fortsette å lære over tid.
"Hjernen til levende vesener kan kontinuerlig lære gjennom hele livet. Vi har nå laget en kunstig plattform for maskiner å lære gjennom hele levetiden," sa en av avisens forfattere, Shriram Ramanathan, i en pressemelding.
Maskinen laget av Ramanathans team er en liten, rektangulær enhet laget av et materiale som kalles perovskittnikkelat, som er svært følsomt for hydrogen. Ved å bruke elektriske pulser ved forskjellige spenninger kan enheten stokke en konsentrasjon av hydrogenioner i løpet av nanosekunder, og skape tilstander som forskerne fant kunne kartlegges til tilsvarende funksjoner i hjernen.
Når enheten har mer hydrogen nær sentrum, for eksempel, kan den fungere som en nevron, en enkelt nervecelle. Med mindre hydrogen på det stedet, fungerer enheten som en synapse, en forbindelse mellom nevroner, som er det hjernen bruker til å lagre minne i komplekse nevrale kretsløp.
"Hvis vi ønsker å bygge en datamaskin eller en maskin som er inspirert av hjernen, vil vi tilsvarende ha muligheten til å kontinuerlig programmere, omprogrammere og endre brikken," sa Ramanathan.
Tenkemaskiner?
Mange moderne AI-systemer tilpasser seg ny informasjon når de blir omskolert, sa David Kanter, administrerende direktør for MLCommons, et åpent ingeniørkonsortium dedikert til å forbedre maskinlæring, i en e-post.
"Verden er et i seg selv dynamisk sted, og til syvende og sist må maskinlæring og AI tilpasse seg dette," sa Kanter. "For eksempel, et talegjenkjenningssystem i 2022 som ikke "vet" om COVID-19 eller koronavirus, ville mangle et stort aspekt av den moderne verden. På samme måte bør et autonomt kjøretøy tilpasse seg endringer i gater, brostengninger, eller selv lave temperaturer gjør veien isete."
Selv om et AI-system som lærer helt av seg selv fortsatt stort sett er et konsept, kommer mange eksempler i nærheten, sa Sameer Maskey, administrerende direktør i AI-selskapet Fusemachines, i et e-postintervju. Et av disse selvlærende systemene kom til nyhetene da et AI-system slo et menneske i et spill Go.
"AlphaGo var DeepMinds første AI som beseiret en profesjonell Go-spiller," la Maskey til. «Spill-franchisene deres har blitt springbrett med hvert nytt tillegg som tar i bruk fremskritt mot en AI som fortsetter å lære.»
Fremtidens AI-systemer vil søke etter informasjonen de trenger for å ta gode beslutninger og ta passende handlinger, spådde Suchow. Disse avanserte datamaskinene vil unngå kostbare feil ved å lære av sine egne erfaringssimuleringer, for eksempel gjennom "selvspilling", der AI-en forestiller seg resultatene av interaksjoner den har med kopier av seg selv.
"Dette ligner på hvordan mennesker kan lære gjennom fantasi og forutse et dårlig utfall uten å måtte oppleve det direkte," la Suchow til. "AI-systemer vil lære mer effektive strategier for læring, mye på den måten at en student kan rette sin tid og oppmerksomhet ikke bare til det materielle innholdet i det de studerer, men også til selve læringsprosessen.«
