果冻的人工智能学会玩乒乓球并通过实践来改进

Von Natur.wiki Autoren-Team

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.
一项新的研究表明，由凝胶材料制成的人工智能系统如何使用电极学习视频游戏两个，并随着时间的推移而改善。研究结果表明，合成材料可以使用“记忆”的基本形式来提高性能。 (Symbolbild/natur.wiki)
<源type =“ image/webp” srcset =“ https://media.nature.com/lw767/magazine-assets/d41586-02704-y/d41586-02704-y/d41586-02704-02704-y_27481248124.jpg？ https://media.nature.com/lw319/magazine-assets/d41586-02704-y/d41586-02704-y_2748124.jpg?as=webp？ “>

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 1

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 2 href =“ “单击” data-label =“ https://www.nature.com/articles/d41586-03229-y” data-track-category =“身体链接”>碗中的神经元 - 被称为dishbrain-可以学会通过电气刺激来玩take the the the the the the the the the the the the the the the类似于网球的视频游戏。受这项工作的启发，Yoshikatsu Hayashi是雷丁大学的生物医学工程师，英国及其同事及其同事，以及非生物学材料是否也可以掌握。

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。”

<源type =“ image/webp” srcset =“ https://media.nature.com/lw767/magazine-assets/d41586-02704-y/d41586-y/d41586-02704-1586-02704-y_2748126.gif？ https://media.nature.com/lw319/magazine-assets/d41586-02704-y/d41586-02704-y_2748126.gif？as=webp 319w“ sizes =”（最大网络）319px，319px，（max-witth），319px，（max-witth），（max-witth），（分钟），100g：1023px3px3px> 1023px>解码=“ async” class =“ fige__image” alt =“计算机的动画序列，水凝胶播放视频游戏乒乓球。” loading =“ lazy” src = “ https://media.nature.com/lw767/magazine-assets/d41586-02704-y/d41586-02704-y_2748126.gif”

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”。

  1. strong，V。，Holderbaum，W。＆Hayashi，Y。Y。 CellRep。Phys。科学。 5 ，102151（2024）。

  2. 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

    3. 在 <使用xmlns：xlink =“ http://www.w3.org/1999/xlink” xlink：href =“＃ < /svg>