Các nhà khoa học tạo ra khớp thần kinh nhân tạo tự động học hỏi

Bộ não của mỗi người có hàng tỷ các nơ-ron và hàng nghìn tỷ các khớp thần kinh - tổ hợp thần kinh mà được định hình theo thời gian, môi trường và trải nghiệm theo một cách riêng biệt tuỳ từng cá thể.

Nơron thần kinh

Bây giờ, các nhà khoa học đã lấy cảm hứng từ hoạt động bên trong của cơ quan phức tạp này để phát triển khớp thần kinh nhân tạo mà họ nói chúng có khả năng học hỏi tự động. Họ thậm chí còn mô hình hóa thiết bị, được coi là bước tiếp theo trong việc tạo ra các mạch phức tạp hơn. Nghiên cứu được công bố trong tạp chí Nature Communications.

Nhóm nghiên cứu đã tạo ra một thiết bị nano gọi là memristor, sức kháng của nó phụ thuộc vào các tín hiệu điện mà nó đã nhận được trước đó. Ý tưởng của memristor không phải là mới - nó được khái niệm đầu tiên vào những năm 1970 và sau đó được xây dựng trong năm 2008. Tuy nhiên, nghiên cứu này đã đưa nó đến cấp độ cao hơn.

Ý tưởng của memristor là tạo ra một điện tử tương đương với các tế bào thần kinh và khớp thần kinh của não - "dây" sinh học, có khả năng xử lý và lưu giữ thông tin với hiệu quả đáng kinh ngạc. Đơn giản chỉ cần đặt, các khớp thần kinh là đường giao nhau giữa hai tế bào thần kinh mở ra hoặc đóng phụ thuộc vào xung thần kinh mà đạt được nó. Các chất vận chuyển thần kinh qua khoảng cách đó để vượt qua các xung động lên đến nơ-ron tiếp theo. Mỗi khi sự vượt qua được thực hiện, sự kết nối được trở nên mạnh mẽ hơn và hiệu quả hơn.

Khớp thần kinh điện từ có khả năng tự học hỏi. Ảnh: CNRS

Để đạt được một phiên bản sinh học của điều này, một tấm màng điện từ siêu mỏng đã được kẹp giữa hai điện cực, có điện trở kháng có thể được điều chỉnh bằng xung điện áp. Do đó độ dẻo của nó (khả năng thay đổi và học hỏi) đạt được qua độ dẫn - điện trở thấp tương ứng với một kết nối khớp thần kinh mạnh mẽ và điện trở cao đối với kết nối yếu.

Nhóm nghiên cứu sau đó đã thực hiện một mô hình của thiết bị, và mô phỏng của họ cho thấy các mảng khớp thần kinh nano (nanosynapses) điện từ có thể tự học cách nhận ra các mẫu theo một cách dự đoán được, mở ra con đường dẫn đến việc học không giám sát trong việc phát hiện mạng nơron.

Về cơ bản, công việc này đưa chúng ta tiến gần hơn tới việc cải thiện tốc độ mà các mạng thần kinh nhân tạo học hỏi và thích nghi. Hệ thống trí tuệ nhân tạo (AI) đã phát triển rất nhiều trong vài năm qua, với DeepMind và AlphaGo của Google là hai trong số những ví dụ phổ biến nhất.

Tuy nhiên, bộ não là một máy vô cùng thông minh và chúng ta không có nơi nào có thể sao chép sự tinh tế của nó. Ngay cả khi bạn đọc bài này, các nơ-ron trong não của bạn đang kích hoạt xung lực điện và liên kết với nhau trong các cấu hình luôn thay đổi. Hiệu quả như vậy là một mục tiêu rất nhiều mong muốn trong việc tạo ra bộ não giả tạo.

Các nhà nghiên cứu lưu ý, chúng ta đang dần dần gần với tương lai của trí tuệ nhân tạo: "Những kết quả này mở đường cho việc triển khai phần cứng năng lượng thấp với hàng tỷ các khớp thần kinh nhân tạo đáng tin cậy và dự đoán được (như các mạng thần kinh sâu) trong các máy tính lấy cảm hứng từ não trong tương lai".

(Theo CNRS / Cơ quan nghiên cứu khoa học quốc gia Pháp)