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

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

Kommentare (0)