Mākslīgais tīkls, kas tiek turēts uz 'haosa robežas', darbojas līdzīgi cilvēka smadzenēm

Neironu tīkla konceptuāls attēls (pa kreisi) blakus nanovadu tīkla attēlam (pa labi). (Adrians Diazs-Alvaress/NIMS Japāna)

Pētnieki ir parādījuši, kā uzturēt nanovadu tīklu tādā stāvoklī, kas atbilst tā sauktajam haosa mala – sasniegums, ko varētu izmantot, lai ražotu mākslīgais intelekts (AI), kas darbojas līdzīgi cilvēka smadzenēm.

Komanda izmantoja dažādus elektroenerģijas līmeņus nanovadu simulācijā, lai atrastu līdzsvaru, kad elektriskais signāls bija pārāk zems, kad signāls bija pārāk augsts. Ja signāls bija pārāk zems, tīkla izejas nebija pietiekami sarežģītas, lai tās būtu noderīgas; ja signāls bija pārāk augsts, izejas bija haoss un arī bezjēdzīgi.

Mēs atklājām, ka, ja signāls tiek virzīts pārāk lēni, tīkls atkal un atkal dara to pašu, nemācoties un neattīstoties. Ja mēs to piespiedām pārāk spēcīgi un ātri, tīkls kļūst neregulārs un neparedzams. saka fiziķis Džoels Hošteters no Sidnejas universitātes un pētījuma vadošā autora.



Simulāciju turēšana uz līnijas starp šīm divām galējībām nodrošināja optimālus tīkla rezultātus, ziņo zinātnieki . Rezultāti liecina, ka, izmantojot nanovadu tīklus, galu galā varētu radīt dažādas smadzenēm līdzīgas dinamikas.

Nejauši savienotu slēdžu konceptuāls attēls. (Alons Lēflers)

'Dažas neirozinātnes teorijas liecina, ka cilvēka prāts varētu darboties šajā haosa malā jeb tā sauktajā kritiskajā stāvoklī.' saka fiziķe Zdenka Kunčiča no Sidnejas universitātes Austrālijā. 'Daži neirozinātnieki domā, ka tieši šādā stāvoklī mēs sasniedzam maksimālu smadzeņu darbību.'

Simulācijām 10 mikrometrus gari un ne biezāki par 500 nanometriem nanovadi tika izkārtoti nejauši divdimensiju plaknē. Salīdzinājumam cilvēku mati var būt līdz pat aptuveni 100 000 nanometru plati.

Šajā gadījumā tīkla uzdevums bija pārveidot vienkāršu viļņu forma sarežģītākā veidā ar elektriskā signāla amplitūdu un frekvenci, kas pielāgota, lai atrastu optimālo stāvokli problēmas risināšanai – tieši uz haosa robežas.

Nanovadu tīkli apvieno divas sistēmas vienā, pārvaldot gan atmiņu (ekvivalents datora RAM), gan darbības (ekvivalents datora CPU). Viņi var atcerēties iepriekšējo signālu vēsturi, mainot savu turpmāko izvadi, reaģējot uz iepriekš notikušo, veidojot tos memristors .

'Ja vadi pārklājas, tie veido elektroķīmisku savienojumu, piemēram, sinapses starp neironiem.' saka Hohsteters .

Parasti algoritmi apmāca tīklu, kur atrodas vislabākie ceļi, taču šajā gadījumā tīkls to darīja pats.

'Mēs atklājām, ka elektriskie signāli, kas tiek pārraidīti caur šo tīklu, automātiski atrod labāko informācijas pārraides ceļu.' saka Hohsteters . 'Un šī arhitektūra ļauj tīklam 'atcerēties' iepriekšējos ceļus caur sistēmu.'

Tas savukārt varētu nozīmēt ievērojami samazinātu enerģijas patēriņu, jo tīkli galu galā apmāca sevi, izmantojot visefektīvākos procesus. Paplašinoties mākslīgā intelekta tīkliem, būs svarīgi tos uzturēt liesus un pēc iespējas mazāk jaudas.

Pagaidām zinātnieki ir pierādījuši, ka nanovadu tīkli var darīt visu iespējamo, lai atrisinātu problēmas tieši uz robežas starp kārtību un haosu, līdzīgi kā tiek uzskatīts, ka mūsu smadzenes to spēj, un tas liek mums soli tuvāk AI, kas domā tāpat kā mēs. .

'Šis rezultāts ir tik aizraujošs, ka tas liek domāt, ka šāda veida nanovadu tīklus var pielāgot režīmiem ar daudzveidīgu, smadzenēm līdzīgu kolektīvo dinamiku, ko var izmantot, lai optimizētu informācijas apstrādi.' saka Kunčičs .

Pētījums ir publicēts Dabas sakari .

Populārākas Kategorijas: Skaidrotājs , Tech , Cilvēkiem , Neklasificēts , Vidi , Viedoklis , Fizika , Sabiedrību , Dabu , Daba ,

Par Mums

Neatkarīgu, Pārbaudītu Faktu Publicēšana Par Veselību, Telpu, Dabu, Tehnoloģijām Un Vidi.