果冻的人工智能学会玩乒乓球并通过实践来改进
果冻的人工智能学会玩乒乓球并通过实践来改进
A simple artificial intelligence (AI) system that consists of a jelly-like material and is connected to electrodes can 'learn' to play the classic video game pong and improve over time, so a study published today
结果是表明合成材料可以使用“记忆”的基本形式来提高性能的第一步。他说：“该系统以类似的方式显示了河床如何记忆河流的记忆。”
在2022年，Kagan和他的同事
Hayashi和他的同事转向水凝胶 - 类似果冻的材料，用于各种应用，例如软机器人的组件 - 并包含称为离子的带电颗粒。当该水凝胶受到电刺激时，离子会穿过材料，并用它拉出水分子，从而改变水凝胶。 Hayashi说，离子分布的这种变化会影响颗粒的下一个排列。
“这就像一个物理记忆。”
测试此“内存”是否可以使水凝胶能够玩pong pong ，研究人员使用电极将材料连接到计算机上的游戏。该游戏分为六个正方形的网格，与六对电极夫妇相对应。每次球穿过一个正方形时，相应的电极向水凝胶发送了一个电信号，从而改变了离子位置。然后，传感器电极测量了周围离子的电流，并将此信息返回到计算机，该信息将其解释为将游戏球拍移至新位置的命令。随着时间的流逝，这形成了基本的“记忆”，因为离子的运动受到以前的转变的影响。
快速学习者
一开始，水凝胶在大约一半的时间内将球击中，但在大约24分钟内将其命中率提高到60％，这表明材料使用离子图案更新了其对球运动的“记忆”。改进的表现也导致了更长的集会 - 涉及球的时间。
研究人员进行了控制实验，其中水凝胶收到了有关球位置的错误信息，或者通过根本不刺激它而“盲目”操作。这意味着凝胶离子的位置并不能完全反映屏幕游戏。在这些条件下，水凝胶的 pong游戏没有任何改进，这表明只有添加了正确的信息，它才会变得更好。
水凝胶主导的 pong 不如Dishbrain速度，它需要少于20分钟才能做到最好。 Hayashi说：“水凝胶是一个更简单的系统。”但他补充说，结果表明水凝胶具有进一步的算术技能，研究人员可以支持开发更有效的算法。
“作者遵循了一种创造性的方法，将概念从神经科学转移到更加物理的系统，” Kagan说。他补充说，但是必须做更多的工作来表明水凝胶实际上可以“学习”。
-
strong，V。，Holderbaum，W。＆Hayashi，Y。Y。 CellRep。Phys。科学。 5 ，102151（2024）。
-
kagan，B。J. et al。 neuron 110 ，3952–3969（2022）。
google scholar Reference" Data-Track-Value = "Google Scholar Reference" Data-Track label = "Link" Data-Track-Item_ID = "NOFOLLOW NOOPENER" ARIA label = "Google Scholar Reference 2" href = “ http://scholar.google.com/scholar_lookup?&title=&journal = neuron＆doi = 10.1016%2fj.neur on.2022.09.001＆volume = 110＆volume = 110＆pages = 3952-3969＆publication_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year_year = 20222＆trbr = kagan％2cB。％> <％>％20岁。 Google Scholar
在
<使用xmlns：xlink =“ http://www.w3.org/1999/xlink” xlink：href =“＃
< /svg>
Kommentare (0)