Opracowanie sztucznego mózgu coraz bliżejCzas czytania: 6 min

Bartosz Bagrowski

2022-03-06
Opracowanie sztucznego mózgu coraz bliżej<span class="wtr-time-wrap after-title">Czas czytania: <span class="wtr-time-number">6</span> min </span>

Wieści ze świata nauki to cykl tekstów skupiających się na najnowszych doniesieniach naukowo-badawczych z różnorodnych dziedzin. W tekstach tych omawiane są bieżące artykuły publikowane w prestiżowych czasopismach naukowych, a także ich znaczenie dla stanu współczesnej wiedzy. Powszechnie znana jest sentencja autorstwa Newtona, zgodnie z którą to, „co my wiemy, to tylko kropelka. Czego nie wiemy, to cały ocean.” Celem tekstów publikowanych w tym dziale jest przybliżenie czytelnikom właśnie tych kropelek.

 

 

W lutym 2022 roku na łamach „Science” ukazał się artykuł opracowany przez zespół naukowców z Purdue University zatytułowany Reconfigurable Perovskite Nickelate Electronics for Artificial Intelligence [Modyfikowalny perowskitowo-niklowy układ elektroniczny jako podstawa sztucznej inteligencji], który może okazać się drogowskazem na drodze do wynalezienia sztucznego mózgu1. Celem autorów było udoskonalenie technologii dotyczących sztucznej inteligencji o najnowszą wiedzę z zakresu neurobiologii. Nieustanny rozwój zarówno neuronauki2, jak i obecnej formy sztucznej inteligencji3, sprawia, że każde kolejne odkrycie przybliża nas do opracowania sztucznego mózgu, który mógłby zostać wykorzystany w robotyce i systemach autonomicznych, zapewniając im adaptacyjność oraz jeszcze wyższy poziom wydajności. Aby jednak okazało się to możliwe, konieczne jest opracowanie takich układów, które są w stanie odwzorować wszystkie najważniejsze procesy neuronalne.

Jednym z kluczowych mechanizmów neurobiologicznych, warunkujących prawidłowe funkcjonowanie mózgu, jest neurogeneza, czyli proces powstawania nowych neuronów4. Neurogeneza jest jednym z istotnych elementów neuroplastyczności, czyli zdolności do zmian funkcjonalnych, strukturalnych i molekularnych w układzie nerwowym pod wpływem uczenia się, tzn. tworzenia śladu pamięciowego5. Autorzy artykułu postanowili odwzorować neurogenezę za pomocą układów elektronicznych na bazie perowskitów6 i rzeczywiście udało im się opracować układ rekonfigurowany, który posiada zdolność adaptacji7. Jak zauważa autor pracy komentującej omawiane odkrycie:

Zdolność ludzkiego mózgu do manewrowania lawiną nieustrukturyzowanych danych, uczenia się na podstawie doświadczenia i przetwarzania informacji z ekstremalną wydajnością energetyczną stanowi inspirację dla nowych technologii komputerowych8.

Układ informatyczno-elektroniczny, który ma na celu naśladowanie tak wyjątkowych zdolności ludzkiego mózgu, jak adaptacyjne uczenie się na podstawie doświadczeń, nazywa się układem neuromorficznym9. Dotychczas sztuczna inteligencja opierała się albo na algorytmach wgranych przez człowieka, albo na tzw. uczeniu maszynowym, czyli automatycznym poprawianiu algorytmów wskutek doświadczenia, czyli ekspozycji na dane10. Algorytmy uczenia maszynowego budują model matematyczny na podstawie przykładowych danych w celu prognozowania lub podejmowania decyzji. Możliwość wyposażenia sztucznej inteligencji w zdolności neuroplastyczne charakterystyczne dla mózgu może się okazać istotnym krokiem w kierunku opracowywania coraz lepszych technologii autonomicznych. Jak mówi jeden z autorów artykułu, Shriram Ramanathan:

Postawiliśmy hipotezę, że jeżeli układy elektroniczne będą w stanie naśladować procesy neurogenezy, to będziemy mogli skonstruować urządzenia, które będą mogły się uczyć przez całe życie11.

Aby jednak urządzenie mogło działać w taki sposób, kluczowa jest jego rekonfigurowalność i modyfikowalność, czyli zdolność do dynamicznych zmian. Naukowcom udało się za pomocą impulsów elektrycznych zmieniać położenie protonów w perowskicie neodymowo-niklowym (NdNiO3), a przez to zmieniać jego właściwości elektroniczne. Mogli więc przekonfigurować urządzenie w kondensator pamięci, rezystor, sztuczny neuron czy połączenie międzyneuronowe. Modyfikowalne urządzenie, które opracowali, mogło więc realizować wiele funkcji neuromorficznych, przełączając się pomiędzy nimi za pomocą prostych impulsów elektrycznych. Zaprojektowana przez autorów badania prototypowa sieć eksperymentalna nie tylko zademonstrowała rekonfigurację elektryczną urządzenia, ale także pokazała, że takie sieci dynamiczne umożliwiają lepszą analizę zbiorów danych. Wyniki symulacji struktury obliczeniowej wykazały doskonałą wydajność w zadaniach takich jak rozpoznawanie cyfr czy klasyfikacja aktywności rytmu serca w elektrokardiogramie12. Może to sprawić, że nowoczesne układy sztucznej inteligencji opartej na sztucznych sieciach neuronowych będą jeszcze bardziej wszechstronne i samowystarczalne.

Autorzy zaznaczają, że posiadanie przez jeden typ urządzenia wszystkich podstawowych funkcji wymaganych do obliczeń neuromorficznych, może radykalnie ulepszyć powstające architektury obliczeniowe13. Choć sztuczny mózg najprawdopodobniej nie będzie spełniał wszystkich funkcji żywego mózgu, takich jak emocje, kształtowanie osobowości czy samoświadomość, to jednak jego zdolności obliczeniowe z pewnością przyczyni się do dalszego rozwoju technologii informacyjnych, sztucznych sieci neuronowych oraz opracowywania autonomicznych urządzeń o coraz wyższej wydajności.

Bartosz Bagrowski

 

Źródło zdjęcia: Pixabay

Ikonka cyklu: Pixabay

Ostatnia aktualizacja strony: 06.03.2022

Przypisy

  1. Por. H.T. Zhang et al., Reconfigurable Perovskite Nickelate Electronics for Artificial Intelligence, „Science” 2022, Vol. 375, No. 6580, s. 533–539.
  2. Por. B. Bagrowski, Neuronalny detektor granic – czyli o tym, jak mózg tworzy mapy, „W Poszukiwaniu Projektu” 10 stycznia 2021 [dostęp: 01 III 2022]; B. Bagrowski, Biologiczne i psychologiczne podstawy rekonsolidacji pamięci, „W Poszukiwaniu Projektu” 01 sierpnia 2021 [dostęp: 01 III 2022].
  3. Por. P. Maksymowicz, Sztuczna inteligencja przewiduje przyszłość układów planetarnych, „W Poszukiwaniu Projektu” 12 sierpnia 2020 [dostęp: 01 III 2022]; B. Bagrowski, Spintronika, informatyka kwantowa i magnetyzm molekularny, czyli o postępie technologii informacyjnych, „W Poszukiwaniu Projektu” 12 września 2021 [dostęp: 01 III 2022]; B. Bagrowski, Do czego jest zdolna sztuczna inteligencja?, „W Poszukiwaniu Projektu” 09 stycznia 2022 [dostęp: 01 III 2022].
  4. Por. J. Panasiuk, Uczenie się a mechanizmy neuroplastyczności, „Annales Universitatis Mariae Curie-Skłodowska Lublin – Polonia. Sectio N” 2016, Vol. 1, s. 163–179 [dostęp: 01 III 2022]; M. Kossut, Neuroplastyczność – podstawowe mechanizmy, „Neuropsychiatria i Neuropsychologia” 2019, t. 14, nr 1–2, s. 1–8 [dostęp: 01 III 2022].
  5. Por. M. Sidaway, E. Czernicka, A. Sosnowski, Neuroplastyczność i związane z nią procesy naprawcze w przebiegu usprawniania po udarze mózgu z uwzględnieniem Terapii Ruchem Wymuszonym Koniecznością, „Postępy Rehabilitacji” 2013, nr 2, s. 37–43 [dostęp: 01 III 2022]; M.M. Poo et al., What Is Memory? The Present State of the Engram, „BMC Biology” 2016, Vol. 14, No. 40 [dostęp: 01 III 2022].
  6. Perowskity to grupa charakterystycznych minerałów zbudowanych z nieorganicznych związków chemicznych o ogólnym wzorze ABX3, które znajdują coraz większe zastosowanie w nowoczesnych technologiach, m.in. w ogniwach fotowoltaicznych. Por. A. Navrotsky, Energetics and Crystal Chemical Systematics Among Ilmenite, Lithium Niobate, and Perovskite Structures, „Chemistry of Materials” 1998, Vol. 10, No. 10, s. 2787–2793 [dostęp 01 III 2022]; L. Tomala, Brakujące ogniwo (słoneczne): Polka udoskonaliła produkcję perowskitów, „Nauka w Polsce” 2014 [dostęp: 01 III 2022]; K. Fodrowska, Perowskity – czy czeka nas rewolucja energetyczna?, „Enerad” 2022 [dostęp: 01 III 2022].
  7. Por. Zhang et al., Reconfigurable Perovskite.
  8. Por. A.J. Rohit, An Adaptive Device for AI Neural Networks, „Science” 2022, Vol. 375, No. 6580, s. 495–496.
  9. Por. Zhang et al., Reconfigurable Perovskite.
  10. Por. Machine Learning – What It Is and Why It Matters, „Statistical Analysis System” [dostęp: 01 III 2022].
  11. Por. C.Q. Choi, Reconfigurable AI Devices Shows Brainlike Promise – New Perovskite-based Hardware Can Turn Itself Into All the Key Components Needed for AI, „IEEE Spectrum” 2022 [dostęp: 01 III 2022].
  12. Por. Zhang et al., Reconfigurable Perovskite.
  13. Por. Zhang et al., Reconfigurable Perovskite.

Literatura:

  1. Bagrowski B., Biologiczne i psychologiczne podstawy rekonsolidacji pamięci, „W Poszukiwaniu Projektu” 01 sierpnia 2021 [dostęp: 01 III 2022].
  2. Bagrowski B., Do czego jest zdolna sztuczna inteligencja?, „W Poszukiwaniu Projektu” 09 stycznia 2022 [dostęp: 01 III 2022].
  3. Bagrowski B., Neuronalny detektor granic – czyli o tym, jak mózg tworzy mapy, „W Poszukiwaniu Projektu” 10 stycznia 2021 [dostęp: 01 III 2022].
  4. Bagrowski B., Spintronika, informatyka kwantowa i magnetyzm molekularny, czyli o postępie technologii informacyjnych, „W Poszukiwaniu Projektu” 12 września 2021 [dostęp: 01 III 2022].
  5. Choi C.Q., Reconfigurable AI Devices Shows Brainlike Promise – New Perovskite-based Hardware Can Turn Itself Into All the Key Components Needed for AI, „IEEE Spectrum” 2022 [dostęp: 01 III 2022].
  6. Fodrowska K., Perowskity – czy czeka nas rewolucja energetyczna?, „Enerad” 2022 [dostęp: 01 III 2022].
  7. Kossut M., Neuroplastyczność – podstawowe mechanizmy, „Neuropsychiatria i Neuropsychologia” 2019, t. 14, nr 1–2, s. 1–8 [dostęp: 01 III 2022].
  8. Machine Learning – What It Is and Why It Matters, „Statistical Analysis System” [dostęp: 01 III 2022].
  9. Maksymowicz P., Sztuczna inteligencja przewiduje przyszłość układów planetarnych, „W Poszukiwaniu Projektu” 12 sierpnia 2020 [dostęp: 01 III 2022].
  10. Navrotsky A., Energetics and Crystal Chemical Systematics Among Ilmenite, Lithium Niobate, and Perovskite Structures, „Chemistry of Materials” 1998, Vol. 10, No. 10, s. 2787–2793 [dostęp: 01 III 2022].
  11. Panasiuk J., Uczenie się a mechanizmy neuroplastyczności, „Annales Universitatis Mariae Curie-Skłodowska Lublin – Polonia. Sectio N” 2016, Vol. 1, s. 163–179 [dostęp: 01 III 2022].
  12. Poo M.M. et al., What Is Memory? The Present State of the Engram, „BMC Biology” 2016, Vol. 14, No. 40 [dostęp: 01 III 2022].
  13. Rohit A.J., An Adaptive Device for AI Neural Networks, „Science” 2022, Vol. 375, No. 6580, s. 495–496.
  14. Sidaway M., Czernicka E., Sosnowski A., Neuroplastyczność i związane z nią procesy naprawcze w przebiegu usprawniania po udarze mózgu z uwzględnieniem Terapii Ruchem Wymuszonym Koniecznością, „Postępy Rehabilitacji” 2013, nr 2, s. 37–43 [dostęp: 01 III 2022].
  15. Tomala L., Brakujące ogniwo (słoneczne): Polka udoskonaliła produkcję perowskitów, „Nauka w Polsce” 2014 [dostęp: 01 III 2022].
  16. Zhang H.T. et al., Reconfigurable Perovskite Nickelate Electronics for Artificial Intelligence, „Science” 2022, Vol. 375, No. 6580, s. 533–539.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *



Najnowsze wpisy

Najczęściej oglądane wpisy

Wybrane tagi