使用人工多感知整合神經元提高人工智慧的智慧化程度
概述
賓夕法尼亞州立大學的研究團隊開發出一種仿生的人工神經元，能夠共同處理視覺和觸覺感官輸入。這項研究的目的是將生物學的整合概念應用於人工智慧（AI）中，以開發第一個人工多感知整合神經元。這一突破有望提高機器人、無人機和自駕車等技術在能源與速度方面的效率。
人工智慧與生物感知
傳統上，機器人、無人機和自駕車等技術通常根據環境中的單一感應器來做出決策。然而賓夕法尼亞州立大學的這項研究表明，將多個感應器直接聯絡起來可能更加高效，特別是在接收到的訊息較微弱的情況下。
正如該研究中所解釋的，一輛汽車可能配備了一個感應器來掃描障礙物，另一個感應器感知到黑暗並調節車頭燈的亮度。這些感應器個別將訊息傳遞給中央控制單元，然後再指示汽車煞車或調整車頭燈。然而賓夕法尼亞州立大學的研究人員發現，這種傳統的感應器處理方法消耗更多能源。
因此允許感應器之間直接通訊可能在能源和速度方面更加高效，特別是當兩個感應器的輸入都較微弱時。
仿生多感知整合神經元的開發
賓夕法尼亞州立大學的研究團隊着重於整合觸覺感應器和視覺感應器，使其中一個感應器的輸出能夠修改另一個感應器的輸出，從而實現感知融合的目的。
研究中指出，光的刺激可以在很短的時間內顯著增加在黑暗房間中的成功移動的機會。這是因為視覺記憶可以隨後影響和幫助觸覺感知的導航。研究人員將這種能力納入到一個透過電晶體提供同樣反應的裝置中。
研究人員透過將觸覺感應器與基於單層二硫化鉬的光電晶體相存取，製作了這種多感知神經元。這種化合物在檢測光和支援電晶體方面具有獨特的電學和光學特性。
感應器以類似神經元處理訊息的方式產生電流脈衝，從而能夠整合視覺和觸覺訊號。研究人員透過將觸覺刺激轉換為電流，使用光照將視覺刺激模擬進入光電晶體中，測量了這個人工神經元的感應器反應。
研究結果顯示，當視覺和觸覺訊號都較微弱時，感應器的感應反應（以電流輸出的形式模擬）增加。這種效應與生物神經元的反應方式非常相似，即視覺記憶自然地提高對觸覺刺激的敏感度。
展望與影響
賓夕法尼亞州立大學的這項研究表明，人工多感知整合神經元系統可以提高感應技術的效率，為更環保的人工智慧應用鋪平道路。機器人、無人機和自駕車等技術可以更有效地執行和使用能源。
這項研究只集中在整合視覺和觸覺這兩種感知。團隊正在努力尋找適當的場景來結合更多感知，並探索它們可能帶來的好處。
賓夕法尼亞州立大學的這項研究突破了人工智慧的傳統界限，引發了今後多感知整合人工神經元研究的新方向。這項技術將有助於人工智慧的智慧化和普及化，並對能源效率和環境可持續性產生積極影響。
然而也需要注意的是，隨着人工智慧的發展，可能引發一系列的倫理和道德問題。例如，人工智慧是否能夠真正理解和模擬人類感知和思維的過程以及人工智慧在決策方面是否具有評估風險和倫理處理的能力。因此未來的研究和應用必須與相關的倫理、法律和社會議題相結合，以確保人工智慧的安全和可靠性。
總而言之，賓夕法尼亞州立大學的研究團隊透過開發人工多感知整合神經元，為人工智慧技術的智慧化和效率提供了潛在的突破點。這一研究不僅僅是一個科學上的突破，更是一個引發思考和討論的話題。
原文資料來源：Making AI smarter with an artificial, multisensory integrated neuron (2023, September 16) retrieved 16 September 2023 from https://techxplore.com/news/2023-09-ai-smarter-artificial-multisensory-neuron.html
