久久精品免费观看_欧美日韩精品电影_91看片一区_日日夜夜天天综合

 摘要

受大腦能力和能源效率的啟發，人工智能 (AI) 正在加速非常規計算范式的發展。人腦尤其擅長計算密集型認知任務，例如模式識別和分類。一個長期目標是去中心化的神經形態計算，依靠分布式核心網絡來模擬大腦的大規模并行性，從而嚴格遵循自然啟發的信息處理方法。

通過相互連接的計算塊逐漸轉變為連續的計算組織，可以預見具有智能基本特征的高級物質形式的發展，能夠以非定域的方式學習和處理信息。這種智能物質將通過接收和響應外部刺激與環境相互作用，同時在內部調整其結構以實現信息的分布和存儲（作為記憶）。明斯特大學W. H. P. Pernice教授團隊回顧了使用分子系統、軟材料或固態材料實現智能物質的進展，涉及軟機器人技術、自適應人工皮膚的開發和分布式神經形態計算。相關論文以題為The rise of intelligent matter發表在《Nature》上。

圖文解析

智力可以理解為感知信息并將其保留為知識以應用于不斷變化的環境中的適應性行為的能力。盡管對智力沒有公認的定義，但智力研究領域的相應概念包含兩個主要特征：一是學習能力，二是適應環境的能力。迄今為止，這兩種能力主要存在于生物體中。然而，隨著人工智能的普及，人們正在努力在日益復雜的系統中實施學習和適應技能，這些系統共同集成了各種功能組件。超越這種功能架構，實現本身具有智能基本特征的合成物質將構成一個全新的人工智能概念。盡管這里稱之為智能的物質并不表現出與心理學意義上所理解的相同水平的智能（例如，包括認知或語言的能力），但它的功能將遠遠超出靜態物質的特性.潛在應用的鼓舞人心的例子包括自我調節溫度和吸光度的人造皮膚、根據穿著者的感覺變成保暖或涼爽服裝的智能服裝，以及具有智能觸覺的軟機器人。然而，由于高級人工智能應用需要處理大量數據，以集中方式調節智能物質的行為將非常具有挑戰性。特別是，使用基于馮諾依曼架構的傳統計算機進行集中信息處理將很快達到其極限。這是因為將數據從內存混洗到處理器并返回不僅大大降低了計算速度，而且還需要大量的功耗。因此，需要在物質層面直接實施新的方法和計算范式，從而允許使用例如內存計算對數據進行本地預處理。通過這種方式，智能物質本身可以與環境相互作用，自我調節其行為，甚至從它接收到的輸入中學習。

對于智能物質的設計，來自大自然的靈感是有益的：自下而上的組裝是大自然實現材料特性的方式，其性能優于其單個組成單元的特性。自然物質的宏觀功能來自復雜的設計主題以及分子、納米尺度和宏觀尺度構建塊的相互作用。在人造物質中，自下而上和自上而下方法的結合使架構具有各種新穎的特性和功能。可以使用增加功能性和復雜性的概念以分層方式定義人造物質的智能，如圖 1 所示。這種形式的智能可以通過組合四個關鍵功能元素在物質層面實現 ：（1）傳感器與環境交互并接收輸入和反饋；(2) 致動器響應輸入信號并適應材料的特性；(3) 用于長期存儲信息的記憶和 (4) 處理反饋的通信網絡。理想情況下，這些元素形成功能處理連續體，不需要集中處理單元，而是提供本地和分布式信息處理的能力。

圖 1：隨著功能和復雜性的增加，從結構物質到智能物質的概念轉變，以及相應的例子。

基于 Swarm 的自組織材料

復雜行為的一種突出形式依賴于成群結隊的大量個體代理的集體互動。在這里，多個單獨響應的實體可以以這樣一種方式自組織，從而出現大規模的適應性現象，例如，保護集體的模式形成。在自然界中，這種行為在昆蟲群落、魚群、鳥類甚至哺乳動物中都有觀察到。集體的全球反應通常被認為表現出智能行為的特征，并且通常超出了單個元素的能力，這些元素只與最近的鄰居進行通信。因此，各個代理的動作以分散的方式進行協調。當使用在納米尺度上實現的構建塊時，這種基本智能的概念對于實現智能物質特別有趣。然而，在這樣的長度尺度上，將所有四個關鍵功能元素——特別是長期記憶——整合為單個組件是具有挑戰性的。模擬群體行為的一個說明性示例是一大群小型機器人的交互，每個機器人高約一厘米，能力有限，可以排列成復雜的預定義形狀（圖 2a）。個體機器人是響應式代理，僅遵循其編程的個體算法并僅與最近的鄰居進行通信。但是，由于外部程序員預先定義了目標形狀并以算法的形式給出指令，因此根據該定義，整個機器人組不是智能的，而是自適應的。在考慮納米尺度上的群體行為時，類似的限制仍然存在，因此此類系統構成了自適應物質的示例，如下所述。

圖 2：自主機器人和膠體集群的自適應群行為。

軟物質實現

在生物系統中，柔軟性、彈性和順應性是顯著的特征，它們能夠持續變形，從而在擁擠的環境中實現平穩運動。天然皮膚還表現出上述基本智能的顯著特性，包括力、壓力、形狀、質地和溫度的觸覺、觸覺記憶和自愈能力。軟機器人領域旨在將這些特性轉化為軟物質實現。軟機器人能夠通過調整其形狀、抓地力和觸覺來模擬生物運動。與剛性對應物相比，由于材料的合規性匹配，當它們與人類或其他易碎物體接觸時，傷害風險顯著降低。以人造皮膚的形式，它可以進一步為醫療保健和醫療應用提供多種可能性。多功能可穿戴設備可以通過潛在的后續藥物輸送來監測健康參數，可以設想通過在中風后提供機械功或具有觸覺的假肢來輔助人類運動。盡管在軟物質中完全集成所有四個關鍵功能元素仍然難以實現，但已經報道了結合至少兩個功能元素的各種實現。

響應式軟物質

軟物質可以通過傳感元件接收來自環境的輸入，并通過嵌入式執行器提供直接響應，這是將其歸類為響應性物質的基本要求。最常見的驅動是形狀和柔軟度作為輸入函數的變化。一個例子是由有機硅彈性體基質組成的自給式人造肌肉，其中的驅動依賴于嵌入的乙醇微泡在加熱時的液-氣相變。這種反應靈敏的人造肌肉能夠反復舉起超過 6 公斤的重量以及基于激動劑-拮抗劑的骨架-手臂運動，并且可用于提升物體的軟抓手（圖 3a）。實現軟機器人宏觀機械操作的另一種方法是趙等人展示的基于 DNA 雜交誘導雙交聯的響應性水凝膠 模擬人手的手勢，通過在外部 DNA 的幫助下局部控制材料的體積收縮觸發器。同樣，可 3D 打印的光響應形狀記憶復合材料會根據光線改變其 3D 形式，并有望用于多種應用，例如模仿向日葵的打開和關閉狀態。例如，所有三個示例都沒有展示網絡路徑，也沒有展示用于存儲有關致動力過強或過弱的反饋信息的記憶元件。

圖 3：響應式軟物質和具有嵌入式存儲器功能的軟物質。

特別是對于人造皮膚和多功能可穿戴設備，不受束縛的設備是必不可少的。因此，為傳感器、執行器或存儲器提供所需電源的自供電能力對于設備的成功至關重要。使用嵌入式驅動來響應外部輸入來自發電是一種極具吸引力的方法。Lai 及其同事的一項有希望的嘗試利用了摩擦電效應。它們的人造皮膚無需外部電源即可主動感知接觸物體的接近度、接觸、壓力和濕度，并且皮膚會產生電流作為響應（圖 3b）。Schroeder 等人的另一個引人注目的例子 44 使用仿生概念來發電，其靈感來自電鰻。作者在由陽離子和陰離子選擇性水凝膠膜的重復序列界定的微型聚丙烯酰胺水凝膠隔室之間使用離子梯度。“人造鰻魚”使用可擴展的堆疊或折疊幾何結構，在同時、自記錄的機械接觸激活數以千計的串聯凝膠隔室時產生 110 V 電壓。與典型的電池不同，這些系統柔軟、靈活、透明且具有潛在的生物相容性。

具有嵌入式存儲器的軟物質

另一類功能性軟物質將物質內記憶與傳感能力相結合。雖然由于缺乏網絡，此類物質不會被歸類為自適應物質，但它超出了響應能力。以下示例能夠接收來自環境的輸入并使用嵌入式存儲器元件根據輸入歷史記錄更改它們的響應。一種有吸引力的方法在于將傳感器和存儲元件結合在柔軟而靈活的材料中，使它們能夠協同工作。 Liu 等人在機械混合材料中實現了這一概念（圖 3c），其中電阻開關器件充當剛性聚合光刻膠 (SU-8) 島上的存儲元件，這些島嵌入可拉伸的聚二甲基硅氧烷 (PDMS) 中。蒸發到 PDMS 上的金薄膜中的微裂紋同時充當電極和應力傳感器。將這種運動記憶設備連接到四肢關節，可以根據壓力變化和隨后的信息存儲來檢測人體運動。

可以調節以學習所需的新反應的材料非常有前途。Zhang等人開發了一種能夠進行聯想學習的水凝膠，這是最簡單的學習形式之一。在嵌入和最初隨機分布的水凝膠中，金納米粒子充當記憶元件。最初，凝膠-溶膠轉變由加熱自然觸發，當凝膠僅暴露于激光照射時不會發生。同時暴露于光和熱會引起光酸驅動的 pH 值變化，進而導致凝膠中的納米顆粒聚集，產生更高的吸光度，從而導致光照時溫度升高。因此，以前中性（無效果）的光刺激現在會導致凝膠熔化。在一項后續研究中，作者證明了光輻射與熱響應液晶聚合物網絡內固有的有效加熱刺激之間的關聯。執行器通過彎曲對刺激做出響應，從而允許微型機器人運動或關閉抓手（圖 3f）。如果使用不同的染料作為吸收記憶元件，甚至可以實現對各種顏色（波長）的輻射的選擇性響應。在這種形式的材料中，對先前中性刺激的學習反應僅限于一個刺激，它遵循與最初已知刺激相同的途徑。因此，行為是在有限的參數范圍內通過算法編程的，并且不允許調節對任意輸入的響應，這將構成智能行為。

自適應軟物質

超越響應示例到自適應軟物質，He 等人展示了一種創建自主穩態材料的策略，除了傳感和驅動之外，它還包括精確定制的化學-機械-化學反饋回路（即網絡）（圖 4a）。含有水凝膠支撐的、帶有催化劑的微結構的雙層薄膜與含有反應物的“營養”層分離。響應溫度變化的凝膠重新配置誘導微結構進出營養層的可逆驅動，并用作化學反應的高精度開/關開關。利用營養層中的放熱催化反應和溫度響應凝膠的機械作用之間的連續反饋回路，形成了一個自主、自我維持的系統，將溫度保持在一個狹窄的范圍內。

圖 4：具有穩態特性和酶動力運動的適應性軟材料。

固態物質實現

雖然合成物質中的傳感和驅動可以使用自組織和軟材料顯著實現，但實現基于物質的信息處理似乎更具挑戰性。相反，固態材料中的信息處理技術要先進得多，這提供了有吸引力的機會。事實上，物理和化學過程本身可以被認為是一種計算形式。盡管傳統計算機是由物理設備（例如晶體管）構建的，但它們基于計算的符號概念（即，電壓是低于還是高于某個閾值）。非常規計算超越了標準計算模型。特別是生物體，可以被視為非常規的計算系統。仔細觀察自然產生的復雜有機體，可以發現信息處理的工作流程直接建立在物理原理上。因此，費曼和后來的 Yoshihito 建議使用物質本身進行計算。正如費曼所說：“為什么需要無窮無盡的邏輯才能弄清楚一小塊時空會做什么？”?？删幊毯透叨然ミB的網絡特別適合執行這些任務，而受大腦啟發或神經形態的硬件旨在提供物理實現。盡管在半導體行業自上而下的制造中，使用已建立的（無機）材料，已經啟用了神經形態硬件（例如，IBM 的 TrueNorth 和谷歌的張量處理單元），但利用納米材料的自下而上的方法可能會提供通往非常規、高效計算的途徑。結合上述物質實現，混合方法可能最終導致智能物質的實現。

神經形態材料

相變材料一直是大腦啟發或神經形態硬件的關鍵推動因素，允許在人工神經網絡中實現人工神經元和突觸。它們通過焦耳加熱在非晶態或結晶態的可編程性被用來實現快速、可訪問、室溫、非易失性存儲設備（圖 5a）。它們的憶阻行為——即兩相之間的連續轉變——以及結晶的累積變化，進一步使相變材料適用于受大腦啟發的計算，它們通常包含突觸權重和/或非線性激活函數。電氣設備依賴于電阻對材料狀態的依賴性，并使用施加的電壓進行開關和讀取。相比之下，在光子器件中，使用高功率密度光脈沖來調整結晶度，從而改變材料對光的吸收（圖 5b）。

圖 5：神經形態材料和系統。

【總結】

未來的挑戰在于開發制造、升級和控制智能物質的有效方法。智能物質必須包含具有相當程度的構象自由度、移動性和納米級成分交換的動態材料。這意味著納米級組件之間的相互作用必須足夠弱才能被外部刺激操縱。而且，這種物質必須表現出一定程度的納米級成分的內部組織，這樣才能嵌入反饋和長期記憶。此外，為了充分接收和傳輸外部輸入，需要具有空間和時間精度的可尋址性。這些要求在很大程度上是相互矛盾的，并且可能不相容。顯然，智能物質的關鍵元素更容易在不同的材料類型中單獨實現，這可能與其他材料不兼容。團隊預計將需要混合解決方案來解決不兼容性方面的挑戰。

顯然，這里強調的所有例子都沒有表現出感知信息、存儲信息并從中學習以表達適應性行動和行為的智能。那么，通往智能物質的路線圖會是什么樣子呢？首先，將需要演示者和設計規則，通過集成納米級構建塊來開發具有固有反饋途徑的自適應物質，這些構建塊能夠實現自組裝和自上而下制造的納米結構的可重構性和適應性。其次，必須從可以處理反饋的自適應物質發展為具有學習能力的物質（“學習物質”）。這些材料將通過嵌入式存儲器功能、基于材料的學習算法和傳感接口來增強。第三，必須從學習物質發展為真正的智能物質，它通過感官接口接收來自環境的輸入，顯示出通過嵌入式記憶和人工網絡編碼的期望響應，并且可以通過嵌入式傳感器對外部刺激做出響應。因此，智能物質的發展需要協同的、跨學科的和長期的研究工作。

最終，考慮到整體性能是組件和連接的集體反應，需要完整的系統級演示來加快智能物質的使用?？梢灶A見智能物質的各種技術應用，與現有人工智能和神經形態硬件的協同集成將特別有吸引力。在這方面，生命科學和生物控制論有機體中的應用也需要生物兼容的實現。