Ερευνητές του Πανεπιστημίου του Άμστερνταμ ανέπτυξαν συνθετικά υλικά που μπορούν να μαθαίνουν να αλλάζουν σχήμα, να προσαρμόζουν τη συμπεριφορά τους και να κινούνται αυτόνομα — χωρίς να διαθέτουν κεντρικό σύστημα ελέγχου. Η εργασία, που δημοσιεύθηκε στο περιοδικό Nature Physics, θολώνει τα όρια ανάμεσα στα τεχνητά αντικείμενα και τα ζωντανά συστήματα.
Μηχανές που μαθαίνουν με το παράδειγμα
Τα νέα μεταϋλικά, που αναπτύχθηκαν στο εργαστήριο Machine Materials Lab του Πανεπιστημίου του Άμστερνταμ (UvA), μοιάζουν με αλυσίδες που θυμίζουν σκουλήκια, αποτελούμενες από κινητούς μεντεσέδες συνδεδεμένους με ένα ελαστικό σκελετό.
Διαβάστε ακόμα: AI σε… ανυπακοή: Τα πιο εξελιγμένα μοντέλα μάχονται για την επιβίωσή τους
Κάθε μεντεσές διαθέτει μικροελεγκτή που μετρά την περιστροφή του, αποθηκεύει προηγούμενες κινήσεις και επικοινωνεί με τους γειτονικούς μεντεσέδες.
Με βάση αυτές τις τοπικές πληροφορίες, κάθε μεντεσές ρυθμίζει τη ροπή, τη δυσκαμψία και τη θέση του, επιτρέποντας στην αλυσίδα να «μαθαίνει» νέα σχήματα χωρίς την ανάγκη κεντρικού επεξεργαστή. Η εκπαίδευση του υλικού γίνεται μέσω επαναλαμβανόμενων κινήσεων προς την επιθυμητή διαμόρφωση. Κατά τη διάρκεια των διαδοχικών «εποχών» εκπαίδευσης, οι μικροελεγκτές προσαρμόζουν σταδιακά τις εξόδους τους, ώστε η αλυσίδα να υιοθετεί φυσικά το ζητούμενο σχήμα όταν δέχεται το κατάλληλο ερέθισμα.
Τα υλικά αυτά μπορούν να ξεχνούν παλιές μορφές, να μαθαίνουν νέες, να θυμούνται πολλαπλά σχήματα ταυτόχρονα και να εναλλάσσονται μεταξύ τους. Οι δυνατότητες αυτές ανοίγουν τον δρόμο για εφαρμογές όπως η σύλληψη αντικειμένων και η αυτοκίνηση.
«Η πιο συναρπαστική παρατήρηση της έρευνάς μας ήταν ότι η μάθηση προσδίδει στα μεταϋλικά τη δυνατότητα να εξελίσσονται — μόλις το σύστημα αρχίσει να μαθαίνει, οι πιθανότητες για το πού μπορεί να φτάσει μοιάζουν σχεδόν απεριόριστες», δήλωσε η Yao Du, υποψήφια διδάκτωρ στο UvA και πρώτη συγγραφέας της μελέτης.
Από τα “brainless” ρομπότ στην προσαρμοστική ύλη
Η έρευνα βασίζεται σε προηγούμενη δουλειά του ίδιου εργαστηρίου σχετικά με την «κίνηση χωρίς εγκέφαλο», όπου αντικείμενα με ασυνήθιστο σχεδιασμό μπορούσαν να κυλούν ή να έρπουν αυτόνομα σε απρόβλεπτα εδάφη. Εκείνα τα μεταϋλικά, ωστόσο, δεν είχαν τη δυνατότητα να μαθαίνουν ή να απομνημονεύουν συμπεριφορές.
Η νέα γενιά χρησιμοποιεί ένα σχήμα αντιθετικής μάθησης – τεχνική που προέρχεται από την τεχνητή νοημοσύνη – επιτρέποντας την προοδευτική προσαρμογή των εσωτερικών παραμέτρων, όπως η τοπική δυσκαμψία, με βάση τα παραδείγματα εκπαίδευσης.
Οι συγγραφείς της μελέτης — Yao Du, Ryan van Mastrigt, Jonas Veenstra και Corentin Coulais — επισημαίνουν ότι τα ευρήματα καθιερώνουν τα μεταϋλικά ως πλατφόρμα για «φυσική μάθηση», ανοίγοντας τον δρόμο για προσαρμοστικά υλικά και μαλακά ρομπότ με κατανεμημένη λειτουργία. Σύμφωνα με τη Du, η μελλοντική έρευνα θα επικεντρωθεί στη διδασκαλία συμπεριφορών που εξαρτώνται από τον χρόνο, όπως διαφορετικοί τρόποι κίνησης, καθώς και στη μάθηση υπό συνθήκες αβεβαιότητας.
