为了让人工智能更聪明，我们必须向海参学习

研究人员发现，氧化镍量子材料能够模拟海参最基本的智力特征。

研究人员正在测试氧化镍量子材料的性能，以探讨将其用作人工智能技术的可行性。

用不同气体刺激，位于中心的量子材料可模拟海参的基本学习方式。

人工智能想要变得更智能，首先可能需要向动物王国中的简单生物——海参（sea slug）学习。当地时间9月14日，美国普渡大学、罗格斯大学、佐治亚大学和阿贡国家实验室的研究人员在《美国国家科学院院刊》中发文称，一种量子材料能够模拟海参最基本的智力特征。该研究将推动硬件制造的进步，进而提高自动驾驶、手术机器人和社交媒体算法等一系列人工智能技术的效率和可靠性。

普渡大学材料工程学教授Shriram Ramanathan说：“通过研究海参，神经科学家们发现了对任何生物生存都至关重要的智力特征。我们希望用动物的成熟智慧加速人工智能的发展。”研究人员从海参了解到的两种智力标志是“习惯化”和“敏感化”：前者指随着时间推移，逐渐熟悉某种刺激；后者则相反，指对新刺激反应强烈。人工智能在不覆盖旧学习和已存储信息的情况下，很难再学习并存储新信息。研究大脑激发运算的科学家将这个问题称作“稳定性-可塑性困境”——习惯化能让人工智能忘记不需要的信息，以获得更高的稳定性；而敏感化可以帮助人工智能保留新的重要信息，实现可塑性。两者缺一不可。

在新研究中，Ramanathan找到了一种方法证明，氧化镍量子材料同时具有上述两种特征。研究人员表示，如果量子材料能够可靠地模拟这两种特征，就有可能直接在硬件中植入人工智能，而如果人工智能能同时通过硬件和软件操控，它或许就能用更少的能量完成更复杂的任务。他们用上述量子材料模拟了海参实验，以了解将其用于人工智能的可行性。

神经科学研究表明，敲击海参的口器，它会停止回缩鳃，这是一种习惯化特征。但对海参的尾部施以电击，会让它的鳃回缩得更厉害，显示出敏感化特征。对氧化镍而言，“鳃回缩”对应的是电阻变化的增强。研究人员发现，反复将材料暴露在氢气中会导致氧化镍的电阻变化随时间延长而变小，引入臭氧等新刺激则会大大增加电阻变化。

受此启发，普渡大学研究人员Kaushik Roy等模拟了氧化镍的行为，并建立了一套算法，成功地使用习惯化和敏感化策略将数据点分类成簇。Roy总结道：“我们展示了用在量子材料中观察到的行为解决稳定性-可塑性困境的可能性。如果我们未来能将这种学习材料转化为硬件，人工智能执行任务的效率就会大大提高。”

编译：雷鑫宇 审稿：西莫 责编：陈之涵

期刊来源：《美国国家科学院院刊》

期刊编号：0027-8424

原文链接：https://techxplore.com/news/2021-09-lessons-sea-slug-hardware-artificial.html

中文内容仅供参考，一切内容以英文原版为准。转载请注明来源。