Istraživači istražuju odlučivanje fizičkim pojavama

Paradise or Oblivion (Lipanj 2019).

Anonim

(Phys.org) - Izrada odluka obično se misli kao nešto što je učinio inteligentni životi i, u modernim vremenima, računala. No, tijekom proteklih nekoliko godina, istraživači su pokazali da fizički objekti kao što su metalna traka (video), tekućine (papir) i laseri također mogu "donositi odluke" reagirajući na povratne informacije iz njihovog okruženja. I pokazali su da u nekim slučajevima fizički objekti mogu potencijalno donositi odluke brže i preciznije od onoga što su ljudi i računala sposobni.

U novoj studiji, tim znanstvenika iz Japana pokazao je da ultraljubična, kaotična dinamika oscilirajućih lasera čini ove uređaje sposobnim za odlučivanje i učenje ojačanja, što je jedna od glavnih komponenti strojnog učenja. Prema najboljim saznanjima istraživača, to je prva demonstracija ultrafast fotonskog odlučivanja ili učenja ojačanja, a otvara vrata budućim istraživanjima o "fotonskoj inteligenciji".

"U našoj demonstraciji koristimo računalnu moć svojstvenu fizičkim pojavama", izjavio je koordinator Makoto Naruse na Nacionalnom institutu za informacijske i komunikacijske tehnologije u Tokiju. "Računalna snaga fizikalnih fenomena temelji se na" beskonačnim stupnjevima slobode "i njezinoj nastaloj" neslocalnosti interakcija "i" fluktuacijama ". Sadrži sasvim novu računalna načela, takvi sustavi pružaju veliki potencijal za našu buduću inteligentno orijentiranu društvenu strukturu, a mi nazivamo prirodnom inteligencijom takvih sustava, za razliku od umjetne inteligencije.

U eksperimentima, istraživači su pokazali da optimalna brzina kojom laserski kaos može donijeti odluke je 1 odluka po 50 pikosekundi (ili oko 20 odluka po nanosekundama) - brzina koja nije dostupna drugim mehanizmima. S ovom brzom brzinom odlučivanje temeljeno na laserskom kaosu ima potencijalne primjene u područjima kao što su trgovanje visokim frekvencijama, upravljanje podatkovnim centrom infrastrukture i ostale high-end upotrebe.

Istraživači su pokazali sposobnost lasera tako što je riješio problem s više naoružanih skupina, što je temeljni zadatak učenja ojačanja. U ovom problemu, odlučilac igra različite automate s različitim vjerojatnostima pobjede i mora pronaći automat sa najvećom mogućom pobjedom kako bi maksimizirala ukupnu nagradu. U ovoj igri postoji razlika između vremena za provođenje istraživanja različitih automata i donošenja brze odluke: istraživanje može prouzročiti vrijeme, ali ako se odluka donese prebrzo, najbolji stroj može se previdjeti.

Ključ za lasersku sposobnost kombinira laserski kaos s strategijom odlučivanja koja se naziva "tegljača", tzv. Jer je donositelj odluka stalno "povučen" prema jednom automatu ili drugom, ovisno o povratnoj informaciji dobiva od prethodne igre. Da bi se ova strategija postigla u laseru, istraživači su kombinirali laserski uređaj s podešivačem praga, čija se vrijednost mijenja kako bi igrali automat za igru ​​s višom vjerojatnosti nagrađivanja. Kao što istraživači objašnjavaju, laser proizvodi različitu izlaznu vrijednost ovisno o vrijednosti praga.

"Nazovimo jedan od strojnih automata" 0 "i drugi" stroj 1 ", rekao je koautor Songju Kim, u Nacionalnom institutu za znanost o materijalima u Tsukuba, Japan. "Izlaz lasera koji donosi odluku na laseru je '0' ili '1.' Ako je razina signala kaotične oscilatorske dinamike veća od praga vrijednosti (koja je dinamički konfigurirana), tada je izlaz "0", a to izravno znači da je odluka da odaberete "stroj 0." Ako je razina signala kaotične oscilirajuće dinamike niža od praga vrijednosti (koja je dinamički konfigurirana), tada je izlaz "1", a to izravno znači da je odluka da odaberete "stroj 1."

Istraživači očekuju da se ovaj sustav može povećati, proširiti na probleme višeg stupnja strojnog učenja i dovesti do novih primjena laserskog kaosa na području umjetne inteligencije.

menu
menu