不用电脑的人工智能
人工智能（AI）无处不在，并且几乎融入了所有领域。而其在过去几十年取得的进展也令人震惊，这些成就也证明了此类系统具有不断发展的能力，例如DeepMind的AlphaGo在2016年击败了世界上最厉害的围棋选手，以及应用线性折叠（LinearFold）在短短26秒内预测了SARS-CoV-2 RNA序列的二级结构。
但同时也存在一个问题：运行人工智能需要大量的能量和数据，然而计算机硬件无法跟上。集成电路芯片的容量越来越大，与此同时其结构和电路元件变得越来越小。然而最终能实现何种程度目前尚不可知。
乔治华盛顿大学机械与航空航天工程系博士后研究员李林（音）解释说：“计算机芯片上的半导体结构现在接近几个纳米的大小，量子不确定性开始打破电子间的绝缘性，这导致了芯片的失效。”李林主要从事等离子体物理、等离子体化学和机器学习。“不断制造越来越小的芯片非常具有挑战性。”
李林和他的导师、乔治华盛顿大学的工程学教授Michael Keidar认为可以探索替代硬件，因此他们转向研究化学。在化学反应过程中，系统中活性物质的数量已经确定，从而使得产物也固定。李林说：“一个化学系统自然有一个包含所有化学反应的网络，即化学通路网络。这个网络可以像常规的人工神经网络一样训练。我们可以研制一种具有化学性能的材料，并将其应用于人工智能。”
任何物质当其温度高于-273℃时，其内部便包含了分子的随机运动，而当分子间发生碰撞时将产生化学反应。这在宇宙中无处不在，包括从恒星形成到我们自身的生物过程。李林说：“要从这些系统构建人工智能，我们需要控制并维持碰撞的概率。换句话说，化学反应是一种数据处理，自然界可以让它自动运行，我们只是需要找到一种利用它的方法。”
假设这可以将任何具有化学复杂性的物质转化为人工智能的替代硬件载体。换句话说，人工智能可以在不利用数字计算机的情况下制造出来。
一个相当不错的AI等离子体
在Advanced Intelligent Systems上发表的一项研究中，该团队训练了一种低温氦气等离子体来玩井字游戏。
这一概念是基于在一个孤立的化学系统（如等离子体）中发生的化学反应网络创建一个数据处理单元。科学家们需要为系统找到一组化学参数，如压力或温度，这样系统就能够根据动态输入实时“吐出”对应的信息。这将使系统成为一个可编程的模拟计算机，在分子水平上发挥作用，并可以在纳秒内处理复杂的信息。李林说：“因此，化学参数集是这种模拟计算机中的“软件”，用来确定化学反应。换句话说，就是计算机的思维过程。”
然而，为其编写程序与为传统计算机编写代码有很大的不同。科学家们需要把系统中他们命名为“化学通路网络”的化学反应图等同于人工神经网络。“化学参数是网络的权重，而核素的浓度即神经元的数量，”林解释说，“使用现代机器学习技术，硬件可以为特定任务进行训练或编程。训练的目的是为该任务找到合适的化学参数。一旦获得参数，编程就完成了。在训练后使用系统时，用户可以在不同任务之间切换化学参数设置，就像在电脑上运行不同的软件一样。”
为了证明这一点，李林和Keidar训练等离子体玩井字棋。但等离子体是如何“看到”棋盘来玩游戏的呢？李林和Keidar通过向等离子体中注入混合气体实现了这一目标。
游戏的3×3桌面使用了9种不同的气体——NO、N2O、H2O、N2、O3、He、O2、H2和NO2，每一种都代表游戏9个格子中的一个。因此，棋盘的状态可以由这些气体的混合比例来表示：较低的气体比例意味着该格子上有等离子体的标记，而比例较高则意味着相反的标记。一旦等离子体接触到混合气体，等离子体中的化学反应就开始了，产生出被激发的原子和分子。这些被激发的核素输出光信号，意味着等离子体的下一步反应。因此，桌面上不同的状态意味着这些气体的混合比例不同，从而导致等离子体中一系列不同的化学反应。林补充说：“这是等离子体利用其化学途径网络的思维”。
然后，光信号被转换成更新棋盘状态，这样无论是人类还是电脑玩家都可以玩游戏。从而在对手移动后，代表新的棋盘状态的气体混合物将以新的混合比例注入等离子体从而进一步反应。
李林说：“训练是通过对化学参数进行细小修改实现的。导致评分更低的参数修改将被舍弃，参数调回原状态。但是，如果有一套参数修改后等离子体工作更好，我们就把这套参数记录下来，并以此为基础进行下一次修改。这是机器学习中经常使用的典型进化算法。”
通过训练，等离子体最终在应对随机移动的玩家时取得了很高的胜率，这说明等离子体并不是随机移动的，而是有逻辑的，并且发展出了自己的策略。李林说：“这就是等离子体向我们展示的化学人工智能的方式。”
在训练中，李林和Keidar还发现等离子体的攻击性变得越来越强，并试图用更少的步数赢得比赛。然而，他们并没有专门设计系统告诉等离子体在训练中“越快赢得比赛越好”。李林说：“等离子体的结论是，如果错过一招制胜棋会给比赛带来更多的不确定性，因此，它学会了不能错过任何获胜的机会，并开始更快地赢得比赛。”
等离子体甚至开始展示“分叉移动”，即创造两个可以获胜的方向，而对手只能阻止其中一个。Keidar说：“有趣的是这种材料总结出最好的防御其实是进攻。这是AI学习游戏的常见行为，但现在，具有复杂化学结构的材料也可以表现出这种行为。”
与电荷在电路中移动、产生和传递数字信号的现代数字计算机相比，用这种方式处理信息消耗的电力更少。Keidar说：“与化学系统相比，使用数字计算机是一种间接处理数据的方式。”
化学人工智能
化学人工智能具有多种优势。首先，与只显示基本逻辑和记忆的软性或适应性材料等其他智能材料不同，基于化学的方法可以得到更高的智力水平。李林说：“对于其他智能材料来说，玩桌游是不可能的。”
化学反应网络的智能水平也可以通过调整系统的复杂性来控制。这与人工神经网络的理论类似，连接越多的神经元意味着信息处理能力越强。Keidar说：“对于化学系统，人们可以简单地增加反应堆数量从而增加化学系统的复杂性。当然，该系统也可以用作无需高级智能的数据处理器，比如现代个人电脑的CPU。”
这一理论不仅可以应用于等离子体，还可以应用于任何具有足够复杂化学行为的材料。
李林说：“我们不应该局限于制造依赖半导体的计算机硬件，因为这可能会限制它们的应用，我们有想法将分子的自组装与化学人工智能相结合，也可能使用任何表面作为计算机屏幕，使得人们无论何时都可以用到它。”“在等离子体中创造自组装模式是非常常见的，唯一的技术差距是用化学人工智能控制分子的自组装，这样我们就可以随时随地利用它。”
该团队表示，下一个问题是，这些系统能走多远。也许远到足以使物质不仅具有智能，而且具有自我意识。
WILEY
参考文献：Li Lin and Michael Keidar, ‘Artificial Intelligence without Digital Computers: Programming Matter at a Molecular Scale‘ Advanced Intelligent Systems (2022) DOI: 10.1002/aisy.202200157
AdvancedScienceNews
Wiley旗下科研资讯官方微信平台
长按二维码 关注我们
分享前沿资讯｜聚焦科研动态
发表科研新闻或申请信息分享，请联系：ASNChina@Wiley.com