Международная команда, возглавляемая учеными из Сиднейского университета, продемонстрировала, что сети из нанопроводов могут обладать как кратковременной, так и долговременной памятью, подобно человеческому мозгу.
Исследование было опубликовано сегодня в журнале Научные достижения, возглавляемый доктором Алоном Леффлером, который получил докторскую степень в Школе физики, с сотрудниками в Японии.
"В этом исследовании мы обнаружили, что когнитивные функции высшего порядка, которые мы обычно ассоциируем с человеческим мозгом, могут быть эмулированы в небиологическом оборудовании", - сказал доктор Леффлер.
"Эта работа основана на нашем предыдущем исследовании, в котором мы показали, как нанотехнологии могут быть использованы для создания электрического устройства, вдохновленного мозгом, со схемой, подобной нейронной сети, и сигнализацией, подобной синапсу.
"Наша текущая работа прокладывает путь к воспроизведению мозгоподобного обучения и памяти в небиологических аппаратных системах и предполагает, что основополагающая природа мозгоподобного интеллекта может быть физической".
Нанопроволочные сети - это разновидность нанотехнологии, обычно изготавливаемая из крошечных, высокопроводящих серебряных проволочек, невидимых невооруженным глазом, покрытых пластиком, которые разбросаны друг по другу наподобие сетки. Провода имитируют аспекты сетевой физической структуры человеческого мозга.
Достижения в области нанопроволочных сетей могут предвещать множество реальных применений, таких как совершенствование робототехники или сенсорных устройств, которым необходимо быстро принимать решения в непредсказуемых условиях.
"Эта сеть нанопроводов похожа на синтетическую нейронную сеть, потому что нанопроволоки действуют как нейроны, а места, где они соединяются друг с другом, аналогичны синапсам", - сказала старший автор профессор Зденка Кунчич из Школы физики.
"Вместо того, чтобы реализовывать какую-то задачу машинного обучения, в этом исследовании доктор Леффлер фактически сделал еще один шаг вперед и попытался продемонстрировать, что сети из нанопроволоки обладают некой когнитивной функцией".
Чтобы проверить возможности сети nanowire, исследователи провели для нее тест, аналогичный обычной задаче на запоминание, используемой в экспериментах по психологии человека, под названием N-Back task.
Для человека задача N-Back может включать в себя запоминание конкретной картинки кошки из серии кошачьих изображений, представленных в определенной последовательности. Средний показатель N-Back, равный 7, указывает на то, что человек может распознать то же изображение, которое появилось семь шагов назад.
При применении к сети нанопроводов исследователи обнаружили, что она может "запоминать" желаемую конечную точку в электрической цепи на семь шагов назад, что означает 7 баллов в тесте N-Back.
"То, что мы здесь сделали, - это манипулировали напряжением на концевых электродах, чтобы заставить пути измениться, вместо того, чтобы позволить сети просто делать свое дело. Мы заставили пути идти туда, куда мы хотели", - сказал доктор Леффлер.
"Когда мы внедрили это, его память имела гораздо более высокую точность и на самом деле не уменьшалась с течением времени, что говорит о том, что мы нашли способ усилить пути, чтобы направить их туда, куда мы хотим, и тогда сеть запоминает это.
"Нейробиологи считают, что именно так работает мозг: определенные синаптические связи укрепляются, в то время как другие ослабевают, и считается, что именно так мы предпочтительно запоминаем некоторые вещи, как мы учимся и так далее".
Исследователи сказали, что когда сеть нанопроводов постоянно укрепляется, она достигает точки, когда это усиление больше не требуется, поскольку информация консолидируется в памяти.
"Это похоже на разницу между долговременной и кратковременной памятью в нашем мозге", - сказал профессор Кунчич.
"Если мы хотим запомнить что-то на длительный период времени, нам действительно нужно продолжать тренировать наш мозг, чтобы закрепить это, иначе со временем это просто как бы исчезает.
"Одно задание показало, что сеть нанопроводов может сохранять в памяти до семи элементов на существенно более высоком, чем вероятность, уровне без обучения с подкреплением и с почти идеальной точностью при обучении с подкреплением".
Комментарии