Kunstig intelligens fra Jelly lærer at spille pong og forbedrer med praksis

Eine neue Studie zeigt, wie ein künstliches Intelligenzsystem aus gelartigem Material mittels Elektroden das Videospiel Pong erlernt und sich im Laufe der Zeit verbessert. Die Forschungsergebnisse legen nahe, dass synthetische Materialien eine rudimentäre Form von "Gedächtnis" nutzen können, um die Leistung zu steigern.
En ny undersøgelse viser, hvordan et kunstigt intelligenssystem lavet af gellignende materiale lærer videospilet ved hjælp af elektroder og forbedres over tid. Forskningsresultaterne antyder, at syntetiske materialer kan bruge en rudimentær form for "hukommelse" til at øge ydeevnen. (Symbolbild/natur.wiki)

Kunstig intelligens fra Jelly lærer at spille pong og forbedrer med praksis

Et simpel kunstig intelligens (AI) -system, der består af et gelélignende materiale og er forbundet til elektroder, kan 'lære' for at spille det klassiske videospil pong og forbedre over tid, så en undersøgelse offentliggjort i dag meget "Klik" Data-Label = "https://www.nature.com/articles/d41586-03229-y" Data-track-categori = "Body Link"> Neuroner i en skål -kendt som opvask-kan lære at spille bordtennis-lignende videospil gennem elektrisk stimulering. Inspireret af dette arbejde, Yoshikatsu Hayashi, en biomedicinsk ingeniør ved University of Reading, Storbritannien og hans kolleger og hans kolleger, om et ikke-biologisk materiale også kunne mestre.

Hayashi og hans kolleger vendte sig til hydrogeler - gelélignende materialer, der bruges til forskellige anvendelser, såsom komponenter til bløde robotter - og indeholder de ladede partikler kaldet ioner. Når denne hydrogel stimuleres elektrisk, bevæger sig ionerne gennem materialet og trækker vandmolekyler med det, hvilket ændrer hydrogelen. Denne ændring i fordelingen af ​​ionerne påvirker de næste arrangementer af partikler, siger Hayashi.

"Det er som en fysisk hukommelse."

animeret rækkefølge af en computer, hydrogelen spiller videospilet pong.

For at teste, om denne 'hukommelse' kunne gøre det muligt for hydrogelen at spille pong , brugte forskerne elektroder til at forbinde materialet til spillet på en computer. Spillet blev opdelt i et gitter på seks firkanter, der svarede til seks par elektroder. Hver gang bolden gik gennem en af ​​firkanterne, sendte de tilsvarende elektroder et elektrisk signal til hydrogelen, som ændrede ionpositionen. Derefter målte sensorelektroder den elektriske strøm af de omgivede ioner og returnerede disse oplysninger tilbage til computeren, som fortolkede dem som en kommando til at flytte spillet racket til en ny position. Over tid dannede dette sig til en grundlæggende 'hukommelse', da bevægelserne i ionerne blev påvirket af deres tidligere skift.

hurtig elev

I begyndelsen ramte Hydrogel bolden omtrent halvdelen af ​​tiden, men øgede sin hitrate til 60% på cirka 24 minutter, hvilket indikerer, at materialet opdaterer dens 'hukommelse' af kuglens bevægelser ved hjælp af ionmønsteret. Den forbedrede ydelse førte også til længere stævner - de tidspunkter, hvor bolden er involveret.

Forskerne udførte kontroleksperimenter, hvor hydrogelen modtog forkerte oplysninger om bolden eller blev "blind", der ikke stimulerede den overhovedet. Dette betød, at positionerne for ioner af gelen ikke nøjagtigt afspejlede skærmspelet. Under disse forhold viste pong spillet af hydrogel ingen forbedringer, hvilket indikerer, at det kun bliver bedre, hvis de korrekte oplysninger tilføjes.

Hydrogel dominerede pong ikke så hurtigt som opvask, hvilket havde brug for mindre end 20 minutter for at gøre sit bedste. "Hydrogeler er et meget enklere system," siger Hayashi. Men han tilføjer, at resultaterne indikerer, at hydrogeler har yderligere aritmetiske færdigheder, som forskere kunne understøtte i udviklingen af ​​mere effektive algoritmer.

"Forfatterne har fulgt en kreativ tilgang til at overføre koncepter fra neurovidenskab til et mere fysisk system," siger Kagan. Men der skal gøres mere arbejde for at vise, at hydrogeler faktisk kan 'lære', tilføjer han.

  1. >>

    Strong, V., Holderbaum, W. & Hayashi, Y. Cell Rep. Phys. Sci. 5 , 102151 (2024).

    kagan, B. J. et al. neuron 110 , 3952–3969 (2022).