从海蛞蝓中汲取教训研究指出更好的人工智能硬件

通过研究海蛞蝓，神经科学家发现了对任何生物体的生存都至关重要的智力特征，”普渡大学材料工程教授 Shriram Ramanathan 说。“我们希望利用动物的成熟智能来加速人工智能的发展。”

神经科学家从海蛞蝓中了解到的两个主要智力迹象是习惯化和敏感化。随着时间的推移，习惯会逐渐习惯一种刺激，例如每天在同一条路线上班时调整噪音。敏化恰恰相反——它对新的刺激反应强烈，比如避免从餐馆吃不好的食物。

人工智能很难在不覆盖已经学习和存储的信息的情况下学习和存储新信息，研究类脑计算的研究人员将这个问题称为“稳定性-可塑性困境”。习惯可以让人工智能“忘记”不需要的信息(实现更多的稳定性)，而敏感可以帮助保留新的和重要的信息(实现可塑性)。

在这项研究中，研究人员找到了一种方法来证明氧化镍(一种量子材料)的习惯化和敏化。这种材料被称为“量子”，因为它的特性无法用经典物理学来解释。

如果量子材料能够可靠地模仿这些学习形式，那么就有可能将人工智能直接构建到硬件中。如果人工智能可以通过硬件和软件进行操作，它可能能够使用更少的能量来执行更复杂的任务。

“我们基本上模拟了在量子材料中对海蛞蝓所做的实验，以了解这些材料如何对人工智能感兴趣，”拉马纳坦说。

神经科学研究表明，当海蛞蝓在被虹吸管敲击时停止尽可能多地收回鳃时，它就表现出习惯了。但是它的尾巴受到电击会导致它的鳃更剧烈地缩回，表现出敏感。

对于氧化镍，相当于“退鳃”是电阻变化的增加。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降低，但引入臭氧等新刺激会大大增加电阻的变化。

受这些发现的启发，普渡大学电气和计算机工程系的 Edward G. Tiedemann Jr. 特聘教授 Kaushik Roy 下属的一个研究小组对氧化镍的行为进行了建模，并构建了一种算法，该算法成功地使用这些习惯化和敏化策略将数据点分类为集群。

“稳定性-塑性困境根本没有解决。但我们已经展示了一种基于我们在量子材料中观察到的行为来解决它的方法，”罗伊说。“如果我们能够在未来将这样学习的材料转化为硬件，那么人工智能就可以更有效地执行任务。”

为了将量子材料用作人工智能硬件，研究人员需要弄清楚如何在大规模系统中应用习惯化和敏化。他们还必须确定材料在集成到计算机芯片中时如何对刺激做出反应。