حلزون دریایی، الهام‌بخش سخت‌افزارهای هوش مصنوعی
تیم تحریریه- ۱ آبان ۱۴۰۰
اگر قرار باشد هوش مصنوعی هوشمندتر از پیش شود، قبل از هر چیز باید به سطح هوش یکی از ساده‌ترین جانوران روی کره‌ی زمین، یعنی حلزون دریایی، برسد.
طی پژوهشی جدید، ماده‌ای کشف شده است که می‌تواند اساسی‌ترین ویژگی‌های هوشمندانه‌ی حلزون دریایی را تقلید کند. این کشفیات گامی در جهت ساخت سخت‌افزارهایی است که به کارآیی و اعتبار بیشتر هوش مصنوعی کمک می‌کنند تا در زمینه‌های گوناگون از جمله خودروهای خودران، ربات‌های جراحی و حتی الگوریتم شبکه‌های اجتماعی، به کار برود.
این مطالعات به دست گروهی از محققان دانشگاه‌های پردو، راتجرز، جورجیا و آزمایشگاه ملی آرگون انجام شده و نتایج آن در ژورنال «پیشگامان آکادمی ملی علوم» به چاپ رسیده است.
شریرام راماناتان، استاد مهندسی مواد دانشگاه پردو، توضیح می‌دهد: «عصب‌شناسان با مطالعه‌ی حلزون‌های دریایی نشانه‌هایی از هوش در این جانور دیدند که برای بقای او ضروری هستند. ما قصد داریم با بهره‌گیری از هوش بالغ این جانوران، به رشد هوش مصنوعی شتاب ببخشیم.»
دو نشانه‌ی اصلی هوش که متخصصان عصب‌شناسی در حلزون‌های دریایی تشخیص داده‌اند خوگیری و حساس‌سازی هستند. خوگیری به معنای عادت به یک محرک در طول زمان است؛ برای مثال، وقتی که پشت فرمان در همان مسیر همیشگی به سمت محل کار حرکت می‌کنیم و صداهای اضافه را نادیده می‌گیریم. حساس‌سازی عکس این پدیده است و به واکنش شدید به محرک‌های تازه اشاره دارد؛ مثل زمانی که از خوردن غذای بدمزه‌ی یک رستوران جدید خودداری می‌کنیم.
جای‌نویسی اطلاعات قبلی
هوش مصنوعی بدون جای‌نویسی اطلاعات قبلی نمی‌تواند اطلاعات جدیدی بیاموزد و ذخیره کند. محققانی حوزه‌ی محاسبات الهام گرفته از مغز، این مشکل برجسته را «دوراهی ثبات-انعطاف» نامیده‌اند. خوگیری به هوش مصنوعی اجازه می‌دهد اطلاعات غیرضروری را فراموش کرده و به نوعی ثبات دست یابد؛ از سوی دیگر، حساس‌سازی به آن کمک می‌کند اطلاعات جدید و مهم را نگه دارد و یا به عبارت دیگر، انعطاف داشته باشد.
طی این پژوهش‌ها، محققان راهی پیدا کردند تا هر دو خاصیت حساس‌سازی و خوگیری را در ماده‌ی کوآنتومی نیکل‌اکسید القاء کنند. این ماده «کوآنتوم» نام گرفته است، چون خواص آن را نمی‌توان با تکیه بر قوانین فیزیک کلاسیک توجیه کرد.
اگر مواد کوانتوم این نوع یادگیری را در حد قابل قبولی تقلید کنند، شاید بتوان هوش مصنوعی را مستقیماً در سخت‌افزارها ساخت. در صورتی که هوش مصنوعی این رفتارها را هم در سخت‌افزار و هم در نرم‌افزار اجرا کند، ممکن است بتواند مسائل پیچیده‌تری را انجام دهد.
راماناتان می‌گوید: «ما در این پژوهش، آزمایشات اجرا شده روی حلزون‌های دریایی را روی مواد کوآنتوم پیاده و تقلید کردیم تا ببینیم این مواد چطور می‌توانند به هوش مصنوعی کمک کنند.»
طبق مطالعات، زمانی که روی شاخک‌های حلزون دریایی ضربه‌های آهسته و مکرر زده می‌شود، این موجودات با رها کردن غبغب خود، خوگیری از خود نشان می‌دهند. اما با وارد کردن شوک الکتریکی به دم حلزون، غبغب آن به شدت جمع می‌شود، امری که حاکی از حساس‌سازی است.
جمع شدن غبغب در ماده نیکل اکسید به صورت افزایش در مقاومت الکتریکی نمود پیدا می‌کند. محققان دریافته‌اند اگر این ماده را به صورت مکرر در معرض گاز هیدروژن قرار دهند، میزان مقاومت الکتریکی آن در مرور زمان تغییر می‌کند. اما در صورت معرفی محرک جدید، تغییر در این خاصیت ماده را به تحت تأثیر قرار می‌دهد.
مدل‌سازی رفتار نیکل‌اکسید
گروه تحقیقاتی به سرپرستی کاشیک روی، استاد مهندسی برق و کامپیوتر دانشگاه پردو، با الهام از این یافته‌ها رفتار نیکل‌اکسید را مدل‌سازی کرده و الگوریتمی ساختند که می‌تواند با به کارگیری راهبردهای خوگیری و حساس‌سازی، داده ها را به خوشه‌های متعدد طبقه‌بندی کنند.
به گفته‌ی روی: «باید به خاطر داشته باشیم که دوراهی ثبات-انعطاف به هیچ عنوان حل نشده است. اما ما توانستیم راهکاری مطرح کنیم که بر اساس رفتار مشاهده شده در یک ماده‌ی کوآنتوم قادر به حل این مشکل بوده است. اگر بتوانیم چنین ماده‌ای را به سخت‌افزار تبدیل کنیم، هوش مصنوعی در آینده مسائل را به شیوه‌ای بسیار کارآمدتر حل خواهد کرد.»
این مطالعات را می‌توان نقطه‌ی شروعی برای گام‌های بعدی در نظر گرفت. علاوه بر آزمایشات انجام شده در دانشگاه پردو، گروهی از محققان دانشگاه راتجرز نیز محاسبات نظری دقیقی انجام داده‌اند تا آن‌چه در سطح میکروسکوپی در نیکل‌اکسید، هنگام تقلید از حلزون دریایی، اتفاق می‌افتد را درک کنند. آزمایشگاه ملی آرگون خواص نمونه‌ی نیکل‌اکسید را مشخص کرده و دانشگاه جورجیبا خاصیت رسانایی این ماده را ارزیابی کرده است تا رفتار آن را مورد تجزیه و تحلیل بیشتر قرار دهد.
جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید
