მთავარი წაღებები
- იშვიათი ტიპის მატერია, რომელსაც ეწოდება სპინ მინა, შეუძლია AI-ის ჩართვა, რომელიც ცნობს ობიექტებს ისე, როგორც ამას ადამიანები აკეთებენ.
- დაწნული შუშის გამოყენებამ დასაბეჭდი სქემებისთვის შეიძლება ასევე გამოიწვიოს დაბალი სიმძლავრის გამოთვლის ახალი ტიპები.
- სხვა ტიპის ტვინიდან შთაგონებულ ჩიპებს ასევე შეუძლიათ გააუმჯობესონ, თუ როგორ ამოიცნობს ხელოვნური ინტელექტი სურათებს.
პირდაპირ ფიზიკურ ობიექტებზე სქემების დაბეჭდვამ შეიძლება გამოიწვიოს უფრო ჭკვიანი ხელოვნური ინტელექტი.
ლოს ალამოსის ნაციონალური ლაბორატორიის მკვლევარები იყენებენ მატერიის იშვიათ ფორმას, რომელიც ცნობილია როგორც დაწნული მინა წრეების ჩანაცვლებისთვის. დაწნული შუშის უჩვეულო თვისებები იძლევა ხელოვნური ინტელექტის ფორმას, რომელსაც შეუძლია ამოიცნოს ობიექტები ნაწილობრივი სურათებიდან, როგორც ამას ტვინი აკეთებს.
"დატრიალებული სათვალე არის სისტემები, რომლებსაც აქვთ შესაძლო გადაწყვეტილებების "დაბურული პეიზაჟი", - განუცხადა Lifewire-ს ელფოსტით კრის მურმა, კომპიუტერის მეცნიერმა და ფიზიკოსმა სანტა ფეს ინსტიტუტის ფიზიკოსმა, რომელიც არ იყო ჩართული ლოს ალამოსის კვლევაში. ინტერვიუ. "ისინი გვეხმარებიან გავაანალიზოთ, რატომ ჩერდებიან ალგორითმები ხანდახან გადაწყვეტილებებში, რომლებიც კარგად გამოიყურება ადგილობრივად, მაგრამ არ არის საუკეთესო შესაძლებელი."
საბეჭდი სქემები
სპინი მინის გამოყენებამ დასაბეჭდი სქემებისთვის შეიძლება ასევე გამოიწვიოს დაბალი სიმძლავრის გამოთვლის ახალი ტიპები. დაწნული მინა მკვლევარებს საშუალებას აძლევს გამოიკვლიონ მატერიალური სტრუქტურები მათემატიკის გამოყენებით. ამ მიდგომით, მეცნიერებს შეუძლიათ შეცვალონ ურთიერთქმედება სისტემებში ელექტრონული სხივის ლითოგრაფიის გამოყენებით, რომელიც იყენებს ელექტრონების ფოკუსირებულ სხივს, რათა დახატოს ინდივიდუალური ფორმები ზედაპირზე. ლითოგრაფიას შეუძლია ახალი ტიპის მიკროსქემის დაბეჭდვის საშუალება.
ლითოგრაფია შესაძლებელს ხდის წარმოდგენას სხვადასხვა გამოთვლითი პრობლემების spin-glass ქსელებში, ნათქვამია Los Alamos-ის გუნდის ბოლო ნაშრომში, რომელიც გამოქვეყნდა რეცენზირებად ჟურნალ Nature Physics-ში.
"ჩვენმა ნამუშევარმა დაასრულა ნანომაგნიტებისაგან შემდგარი ხელოვნური შუშის პირველი ექსპერიმენტული რეალიზაცია, რომლებიც მოწყობილია ნერვული ქსელის გასამეორებლად", - მაიკლ საკონე, ლოს-ალამოსის ეროვნული ლაბორატორიის თეორიული ფიზიკის პოსტ-დოქტორანტი და წამყვანი ავტორი. ნათქვამია გამოცემაში. "ჩვენი ნაშრომი აყალიბებს საფუძველს, რომელიც გვჭირდება ამ ფიზიკური სისტემების პრაქტიკულად გამოსაყენებლად."
მური ადარებს სპინ მინას სილიციუმის დიოქსიდს (ფანჯრის მინა), რომელიც, როგორც ჩანს, შესანიშნავი კრისტალია, მაგრამ გაციებისას ის ჩერდება ამორფულ მდგომარეობაში, რომელიც მოლეკულურ დონეზე სითხეს ჰგავს.
"იგივე გზით, ალგორითმები შეიძლება გაჩერდნენ "ენერგეტიკული ბარიერების" მიღმა, რომლებიც გლობალური ოპტიმუმის გზაზე დგანან", - დასძინა მურმა.
იდეები დატრიალებული მინის თეორიიდან შეიძლება დაეხმაროს მკვლევარებს ნავიგაციაში მაღალგანზომილებიანი პეიზაჟებით.
"ამ დევნამ შექმნა ძლიერი ინტერდისციპლინარული საზოგადოება ფიზიკის, მათემატიკის და კომპიუტერული მეცნიერების კვეთაზე", - თქვა მურმა.„ჩვენ შეგვიძლია გამოვიყენოთ ფიზიკის იდეები ალგორითმების ფუნდამენტური საზღვრების დასადგენად, მაგალითად, თუ რამდენ ხმაურს მოითმენს მათ, სანამ ჯერ კიდევ პოულობენ შაბლონებს მონაცემებში, და შევქმნათ ალგორითმები, რომლებიც წარმატებას მიაღწევენ ამ თეორიულ ზღვრებამდე.“
AI, რომელიც ახსოვს როგორც ადამიანებს
მკვლევართა ჯგუფმა გამოიკვლია ხელოვნური დაწნული მინა, როგორც გზა იმის შესასწავლად, რასაც ჰოპფილდის ნეირონულ ქსელებს უწოდებენ. ეს ქსელები აყალიბებენ ადამიანის ასოციაციურ მეხსიერებას, რაც არის უნარი ისწავლოს და დაიმახსოვროს ურთიერთმიმართება ურთიერთდაკავშირებულ ელემენტებს შორის.
თეორიული მოდელები, რომლებიც აღწერს ტრიალ სათვალეებს, ფართოდ გამოიყენება სხვა რთულ სისტემებში, როგორიცაა ტვინის ფუნქციის აღწერილობა.
ასოციაციური მეხსიერებით, თუ მხოლოდ ერთი მეხსიერება გააქტიურებულია, მაგალითად, სახის ნაწილობრივი გამოსახულების მიღებით, როგორც შეყვანის სახით - მაშინ ქსელს შეუძლია მთელი სახის გახსენება. ტრადიციული ალგორითმებისგან განსხვავებით, ასოციაციურ მეხსიერებას არ სჭირდება მეხსიერების იდენტიფიცირებისთვის იდენტური სცენარი.
საკონესა და გუნდის მიერ ჩატარებულმა კვლევამ დაადასტურა, რომ spin-glass სასარგებლო იქნება სისტემის თვისებების აღსაწერად და როგორ ამუშავებს ის ინფორმაციას. საკონეს თქმით, AI ალგორითმები, რომლებიც შემუშავებული იყო სპინ შუშაში, უფრო „ბინძური“იქნება, ვიდრე ტრადიციული ალგორითმები, მაგრამ ასევე უფრო მოქნილი ზოგიერთი ხელოვნური ინტელექტის აპლიკაციისთვის.
"თეორიული მოდელები, რომლებიც აღწერს დაწნულ სათვალეებს, ფართოდ გამოიყენება სხვა რთულ სისტემებში, როგორიცაა ტვინის ფუნქცია, შეცდომების გამოსწორების კოდები ან საფონდო ბაზრის დინამიკა", - თქვა საკონემ. "დატრიალებული სათვალეებისადმი ეს ფართო ინტერესი იძლევა ძლიერ მოტივაციას ხელოვნური დაწნული შუშის გენერირებისთვის."
სხვა ტიპის ტვინის შთაგონებულ ჩიპებს ასევე შეუძლიათ გააუმჯობესონ, თუ როგორ ამოიცნობს ხელოვნური ინტელექტი სურათებს. ბოლო ნაშრომი გვიჩვენებს, თუ როგორ შეუძლიათ კომპიუტერის ჩიპებს დინამიურად გადაერთონ ახალი მონაცემები, როგორც ამას ტვინი აკეთებს, რაც ეხმარება AI-ს დროთა განმავლობაში სწავლაში.
"ცოცხალი არსებების ტვინს შეუძლია განუწყვეტლივ ისწავლოს მთელი სიცოცხლის მანძილზე", - თქვა შრიამ რამანათანმა, პერდუს უნივერსიტეტის მასალების ინჟინერიის სკოლის პროფესორმა და ნაშრომის ერთ-ერთმა ავტორმა პრესრელიზში.„ახლა ჩვენ შევქმენით ხელოვნური პლატფორმა, რომ მანქანებმა ისწავლონ მთელი სიცოცხლის მანძილზე.“
