Un sistema informatico sperimentale modellato fisicamente sul modello del cervello biologico che ha “imparato” a identificare i numeri scritti a mano con una precisione complessiva del 93,4%. L’innovazione chiave nell’esperimento è stata un nuovo algoritmo di addestramento che ha fornito al sistema informazioni continue sul suo successo nell’attività in tempo reale mentre apprendeva.
La nuova tecnologia della piattaforma informatica modellata sul cervello è composta da una rete aggrovigliata di fili contenenti argento, adagiati su un letto di elettrodi. Credito immagine: Sam Lilak/UCLA
L’algoritmo ha sovraperformato un approccio convenzionale di apprendimento automatico in cui l’addestramento veniva eseguito dopo l’elaborazione di un batch di dati, producendo una precisione del 91,4%. I ricercatori hanno anche dimostrato che la memoria degli input passati immagazzinati nel sistema stesso migliora l’apprendimento. Al contrario, altri approcci informatici archiviano la memoria all’interno di software o hardware separati dal processore del dispositivo.
SFONDO
Per 15 anni, i ricercatori dell’ California NanoSystems Institute dell’UCLA, o CNSI, hanno sviluppato una nuova tecnologia di piattaforma per il calcolo. La tecnologia è un sistema ispirato al cervello composto da una rete aggrovigliata di fili contenenti argento, adagiati su un letto di elettrodi.
Il sistema riceve input e produce output tramite impulsi elettrici. I singoli fili sono così piccoli che il loro diametro viene misurato su scala nanometrica, in miliardesimi di metro.
I “piccoli cervelli d’argento” sono molto diversi dai computer di oggi, che contengono moduli di memoria e di elaborazione separati costituiti da atomi le cui posizioni non cambiano mentre gli elettroni li attraversano. Al contrario, la rete di nanofili si riconfigura fisicamente in risposta allo stimolo, con la memoria basata sulla sua struttura atomica e diffusa in tutto il sistema.
Dove i fili si sovrappongono, le connessioni possono formarsi o rompersi, analogamente al comportamento delle sinapsi nel cervello biologico dove i neuroni comunicano tra loro.
I collaboratori della ricerca, presso l’Università di Sydney, hanno sviluppato un algoritmo semplificato per fornire input e interpretare l’output. L’algoritmo è personalizzato per sfruttare la capacità cerebrale del sistema di cambiare dinamicamente e di elaborare più flussi di dati contemporaneamente.
METODO
Il sistema simile al cervello era costituito da un materiale contenente argento e selenio, a cui è stato permesso di auto-organizzarsi in una rete di nanofili aggrovigliati sopra una serie di 16 elettrodi.
Gli scienziati hanno addestrato e testato la rete di nanofili utilizzando immagini di numeri scritti a mano, un set di dati creato dal National Institute of Standards and Technology e spesso utilizzato per confrontare i sistemi di apprendimento automatico.
Le immagini venivano comunicate al sistema pixel per pixel utilizzando impulsi elettrici ciascuno della durata di un millesimo di secondo, con tensioni diverse che rappresentavano pixel chiari o scuri.
IMPATTO
Ancora in fase di sviluppo, si prevede che la rete di nanofili richiederà molta meno energia rispetto ai sistemi di intelligenza artificiale basati sul silicio per svolgere compiti simili. La rete si dimostra promettente anche in compiti che l’attuale intelligenza artificiale fatica a svolgere: dare un senso a dati complessi, come i modelli meteorologici, il traffico e altri sistemi che cambiano nel tempo.
Per fare ciò, l’intelligenza artificiale di oggi richiede enormi quantità di dati di addestramento e dispendi energetici estremamente elevati.
Con il tipo di co-progettazione utilizzata in questo studio – hardware e software sviluppati in tandem – le reti di nanofili potrebbero in definitiva svolgere un ruolo complementare insieme ai dispositivi elettronici basati sul silicio.
La memoria simile al cervello e l’elaborazione incorporata in sistemi fisici in grado di adattarsi e apprendere continuamente possono essere particolarmente adatti al cosiddetto “edge computing”, che elabora dati complessi sul posto senza richiedere la comunicazione con server lontani.
I potenziali usi includono la robotica, la navigazione autonoma in macchine come veicoli e droni e la tecnologia dei dispositivi intelligenti che costituisce il sistema Internet delle cosenonché il monitoraggio della salute e il coordinamento delle misurazioni da sensori in più posizioni.
AUTORI
Gli autori corrispondenti dello studio sono James Gimzewski, un illustre professore di chimica dell’UCLA e membro del CNSI; Adam Stieg, ricercatore dell’UCLA e direttore associato del CNSI; Zdenka Kuncic, professoressa di fisica all’Università di Sydney; e Ruomin Zhu, uno studente di dottorato dell’Università di Sydney che è anche il primo autore.
Altri coautori sono Sam Lilak, che ha conseguito il dottorato presso l’UCLA nel 2022; e Alon Loeffler e Joseph Lizier dell’Università di Sydney.
RIVISTA
Lo studio è stato pubblicato nelle comunicazioni sulla natura.
FINANZIAMENTI
Lo studio è stato sostenuto dall’Università di Sydney e dalla Commissione Fulbright australiano-americana.
Scritto da
Fonte: UCLA
Da un’altra testata giornalistica. news de www.technology.org
