La frase "rinforzo positivo, " è qualcosa che si sente più spesso in un articolo sull'educazione dei figli che in uno sull'intelligenza artificiale. Ma secondo Alice Parker, Dean's Professor di Ingegneria Elettrica presso il Dipartimento di Ingegneria Elettrica e Informatica Ming Hsieh, un piccolo rinforzo positivo è proprio ciò di cui hanno bisogno le nostre macchine AI. Parker ha costruito circuiti elettronici per oltre un decennio per decodificare il cervello umano per capire meglio come funziona e, infine, costruire sistemi artificiali che lo imitano. Il suo articolo più recente, co-autore con Ph.D. studente Kun Yue e colleghi di UC Riverside, è stato appena pubblicato sulla rivista Progressi scientifici e compie un passo importante verso quell'obiettivo finale.

L'intelligenza artificiale su cui ci affidiamo e di cui leggiamo oggi è modellata sui computer tradizionali; vede il mondo attraverso la lente degli zeri e degli uno binari. Questo va bene per fare calcoli complessi ma, secondo Parker e Yue, ci stiamo rapidamente avvicinando ai limiti delle dimensioni e della complessità dei problemi che possiamo risolvere con le piattaforme su cui esiste la nostra IA. "Dall'inizio della rivoluzione del deep learning, gli obiettivi e i progressi dell'IA basata sull'apprendimento profondo, come sappiamo, sono stati molto lenti, " dice Yue. Per raggiungere il suo pieno potenziale, L'intelligenza artificiale non può semplicemente pensare meglio:deve reagire e apprendere da sola agli eventi in tempo reale. E perché ciò accada, in primo luogo deve essere concepito un enorme cambiamento nel modo in cui costruiamo l'IA.

Per affrontare questo problema, Parker e i suoi colleghi stanno cercando il sistema di apprendimento più completo che la natura abbia mai creato:il cervello umano. È qui che entra in gioco il rinforzo positivo. Cervelli, a differenza dei computer, sono studenti analogici e la memoria biologica ha persistenza. I segnali analogici possono avere più stati (proprio come gli umani). Mentre un'IA binaria costruita con tipi simili di nanotecnologie per ottenere una memoria di lunga durata potrebbe essere in grado di capire qualcosa come buono o cattivo, un cervello analogico può capire più profondamente che una situazione potrebbe essere "molto buona, " "va bene, ""cattivo" o "molto cattivo". Questo campo è chiamato calcolo neuromorfico e potrebbe rappresentare solo il futuro dell'intelligenza artificiale.

Quando gli esseri umani sono esposti a qualcosa di nuovo e potenzialmente utile, i nostri neuroni ricevono un picco di dopamina e le connessioni che circondano quei neuroni si rafforzano. "Pensa a un bambino seduto su un seggiolone, " Dice Parker. "Potrebbe agitare le braccia selvaggiamente perché i suoi neuroni non sviluppati si attivano casualmente". rovesciando la sua tazza e facendo un pasticcio. All'improvviso, i neuroni che hanno fatto quel movimento ottengono una risposta e si rafforzano. Fatto abbastanza regolarmente, il cervello del bambino inizia ad associare quel picco a qualcosa che vale la pena interiorizzare. E proprio così, il nostro bambino ha imparato che un movimento del braccio provoca un risultato divertente e che l'apprendimento persiste nel tempo. Questo è esattamente ciò che l'informatica neuromorfica sta cercando di fare:insegnare all'intelligenza artificiale ad imparare dalle esperienze del mondo reale esattamente come facciamo noi.

Per fare questo, Parker e Yue hanno progettato i propri circuiti neuromorfici e li hanno combinati con nanodispositivi chiamati MAM (Magnetic Domain Wall Analog Memristors). Quindi eseguono simulazioni per dimostrare che i loro circuiti neurali imparano come un cervello. Questo dispositivo MAM è così complesso che solo su di esso potrebbe essere scritto un intero articolo. Ma per ora, la cosa più importante da sapere è che si tratta di un dispositivo estremamente piccolo che aiuta a ricordare indefinitamente il "picco" di rinforzo positivo che ricevono i neuroni artificiali. Puoi pensare ai circuiti neuromorfici di Parker combinati con il MAM esattamente come il cervello di quel piccolo bambino. In tal senso, Parker e Yue sono un po' come i genitori del piccolo IA... gli insegnano cose nuove e lo rafforzano positivamente quando fa qualcosa di giusto.

Per ora, quello che abbiamo è un po' come il cervello di un bambino vero. Non sviluppato e definitivamente non pronto a prendere decisioni da solo. Ma, anche molto simile a un bambino vero, con abbastanza lavoro, investimento, e l'amore dei ricercatori, questa tecnologia cambierà il modo in cui l'intelligenza artificiale funziona nel mondo reale.

Certo, Il lavoro di Parker non è mai veramente finito. "Il nostro prossimo passo, lavorando con DARPA, è insegnare al nostro sistema ad imparare qualcosa di nuovo senza dimenticare le lezioni precedenti, " dice Parker. Il loro lavoro può rappresentare un piccolo passo verso l'obiettivo finale dell'IA neuromorfa, ma come ogni buon ricercatore o genitore, Parker apprezza l'importanza dei piccoli passi.