close Đăng nhập

Vật liệu “không não” biết học và biến hình: Bước đột phá khiến máy móc hành xử như sinh vật sống

Các nhà khoa học tạo ra vật liệu có thể học, thích nghi và tự di chuyển mà không cần bộ não trung tâm, mở ra kỷ nguyên mới cho robot và máy móc thông minh.

Các siêu vật liệu mới đã học được các chữ cái tạo thành chữ 'learn' (học) và 'leren' trong tiếng Hà Lan. Ảnh: IE.
Các siêu vật liệu mới đã học được các chữ cái tạo thành chữ 'learn' (học) và 'leren' trong tiếng Hà Lan. Ảnh: IE.

Các nhà nghiên cứu tại Đại học Amsterdam đã phát triển một lớp vật liệu siêu cấu trúc (metamaterials) hoàn toàn mới có khả năng học cách thay đổi hình dạng, thích nghi hành vi, thậm chí tự di chuyển mà không cần một bộ điều khiển trung tâm.

Khác với các vật liệu truyền thống vốn chỉ phản ứng theo những cách cố định trước tác động bên ngoài, hệ thống được thiết kế này hoạt động giống như vật chất sống.

Chúng có thể điều chỉnh phản ứng dựa trên các tương tác trong quá khứ, cho phép thực hiện những nhiệm vụ mà thông thường phải cần đến robot được lập trình sẵn.

Các vật liệu này được cấu tạo dưới dạng chuỗi các bản lề có động cơ giống hệt nhau, liên kết với nhau bằng một cấu trúc đàn hồi. Mỗi bản lề đều chứa một vi điều khiển có khả năng theo dõi chuyển động của chính nó, lưu trữ trạng thái trước đó và giao tiếp với các đơn vị lân cận.

Cấu trúc phân tán này cho phép vật liệu phối hợp hành vi ở cấp độ cục bộ, thay vì phụ thuộc vào một hệ thống điều khiển trung tâm. Theo thời gian, toàn bộ cấu trúc học được cách phản ứng với các đầu vào bằng cách điều chỉnh cách mỗi bản lề chuyển động và tương tác.

Vật liệu biết học và thích nghi

Các vật liệu siêu cấu trúc này được “huấn luyện” thông qua các tương tác lặp lại. Các nhà nghiên cứu uốn cong một số bản lề để đóng vai trò đầu vào, đồng thời dẫn hướng các bản lề khác đến cấu hình mong muốn. Sau mỗi chu kỳ huấn luyện, hệ thống sẽ cập nhật lực mà mỗi bản lề tạo ra.

Cuối cùng, vật liệu có thể tự tái tạo hình dạng đã được huấn luyện bất cứ khi nào nó nhận diện cùng một đầu vào. Nó cũng có thể “quên” cấu hình cũ để học cái mới, hoặc lưu trữ nhiều hình dạng và chuyển đổi giữa chúng.

“Quan sát thú vị nhất trong nghiên cứu của chúng tôi là việc học mang lại cho vật liệu này khả năng tiến hóa – một khi hệ thống bắt đầu học, khả năng mà nó có thể đạt tới gần như là vô hạn”, ông Yao Du cho biết.

Khả năng tiến hóa hành vi mà không cần điều khiển tập trung đánh dấu một bước chuyển từ vật liệu có thể lập trình sang các hệ thống có thể thích nghi theo thời gian thực.

Hệ thống này cũng cho thấy trí thông minh có thể xuất hiện từ các thành phần đơn giản khi chúng phối hợp với nhau, thay vì phụ thuộc vào một bộ xử lý trung tâm phức tạp.

Bằng cách phân tán việc ra quyết định vào chính cấu trúc vật liệu, các nhà nghiên cứu cho thấy máy móc trong tương lai có thể trở nên linh hoạt hơn, bền bỉ hơn và có khả năng hoạt động trong những môi trường khó đoán.

Hệ thống không não nhưng có trí thông minh

Các vật liệu này có thể thực hiện các nhiệm vụ như kẹp vật thể hoặc di chuyển trên bề mặt, tương tự những sinh vật đơn giản. Những phiên bản trước đây của các hệ thống như vậy có thể di chuyển, nhưng không có khả năng học hay thích nghi.

Mỗi bản lề tạo mô-men xoắn dựa trên thông tin cục bộ, thay đổi độ cứng và vị trí ưu tiên. Điều này cho phép toàn bộ chuỗi tự tái cấu trúc một cách linh hoạt theo điều kiện môi trường.

Các nhà nghiên cứu cho biết bước tiếp theo là vượt qua các hình dạng tĩnh để cho phép hành vi phụ thuộc vào thời gian, chẳng hạn như chuyển đổi giữa các kiểu chuyển động như bò hoặc lăn.

“Trong các nghiên cứu tiếp theo, chúng tôi hướng tới việc đạt được khả năng học các hành vi phụ thuộc thời gian thay vì chỉ thay đổi sang một hình dạng tĩnh”, ông Yao nói thêm.

Họ cũng dự định khám phá cách hệ thống hoạt động trong điều kiện bất định, nơi việc học diễn ra trong môi trường nhiễu và các phản ứng mang tính xác suất thay vì cố định.

Nghiên cứu này phản ánh xu hướng ngày càng tăng đối với các vật liệu kết hợp giữa cấu trúc vật lý và trí tuệ thích nghi, mở ra những hướng đi mới cho robot, máy mềm và các hệ thống phản ứng linh hoạt.

Công trình đã được công bố trên tạp chí Nature Physics.

Theo IE

Thế giới