(Phys.org) —La toma de decisiones generalmente se considera algo que hacen los seres vivos inteligentes y, En los tiempos modernos, ordenadores. Pero durante los últimos años, Los investigadores han demostrado que los objetos físicos, como una barra de metal [video], líquidos [papel], y los láseres también pueden "tomar decisiones" respondiendo a la retroalimentación de sus entornos. Y han demostrado que en algunos casos, Los objetos físicos pueden potencialmente tomar decisiones con mayor rapidez y precisión de lo que son capaces tanto los humanos como las computadoras.

En un nuevo estudio, un equipo de investigadores de Japón ha demostrado que el ultrarrápido, La dinámica oscilatoria caótica en los láseres hace que estos dispositivos sean capaces de tomar decisiones y aprender por refuerzo, que es uno de los componentes principales del aprendizaje automático. Según el leal saber y entender de los investigadores, esta es la primera demostración de la toma de decisiones fotónica ultrarrápida o el aprendizaje por refuerzo, y abre las puertas a futuras investigaciones sobre "inteligencia fotónica".

"En nuestra demostración, utilizamos el poder computacional inherente a los fenómenos físicos, ", dijo el coautor Makoto Naruse del Instituto Nacional de Tecnología de la Información y las Comunicaciones de Tokio. Phys.org . "El poder computacional de los fenómenos físicos se basa en 'infinitos grados de libertad, 'y su resultante' no localidad de interacciones 'y' fluctuaciones '. Contiene principios computacionales completamente nuevos. Estos sistemas ofrecen un enorme potencial para nuestra futura sociedad orientada a la inteligencia. A estos sistemas los llamamos 'inteligencia natural' en contraste con la inteligencia artificial ".

En experimentos, los investigadores demostraron que la velocidad óptima a la que el caos láser puede tomar decisiones es 1 decisión por 50 picosegundos (o alrededor de 20 decisiones por nanosegundo), una velocidad que es inalcanzable por otros mecanismos. Con esta veloz velocidad, la toma de decisiones basada en el caos láser tiene aplicaciones potenciales en áreas como el comercio de alta frecuencia, gestión de la infraestructura del centro de datos, y otros usos de alta gama.

Los investigadores demostraron la capacidad del láser al hacer que resolviera el problema de los bandidos con múltiples brazos, que es una tarea fundamental en el aprendizaje por refuerzo. En este problema, el tomador de decisiones juega varias máquinas tragamonedas con diferentes probabilidades de ganar, y debe encontrar la máquina tragamonedas con la mayor probabilidad de ganar para maximizar su recompensa total. En este juego, hay una compensación entre pasar tiempo explorando diferentes máquinas tragamonedas y tomar una decisión rápida:explorar puede perder tiempo, pero si se toma una decisión demasiado rápido, la mejor máquina puede pasarse por alto.

Una clave de la capacidad del láser es combinar el caos del láser con una estrategia de toma de decisiones conocida como "tira y afloja". "llamado así porque el tomador de decisiones es constantemente" atraído "hacia una máquina tragamonedas u otra, dependiendo de la retroalimentación que reciba de su juego anterior. Para realizar esta estrategia en un láser, los investigadores combinaron el láser con un ajustador de umbral cuyo valor cambia para jugar en la máquina tragamonedas con mayor probabilidad de recompensa. Como explican los investigadores, el láser produce un valor de salida diferente dependiendo del valor de umbral.

"Llamemos a una de las máquinas tragamonedas 'máquina 0' y a la otra 'máquina 1', "dijo el coautor Songju Kim, en el Instituto Nacional de Ciencia de Materiales en Tsukuba, Japón. "El resultado del tomador de decisiones basado en láser es '0' o '1'. Si el nivel de señal de la dinámica oscilatoria caótica es superior al valor umbral (que se configura dinámicamente), entonces la salida es '0, 'y esto directamente significa que la decisión es elegir' máquina 0 '. Si el nivel de señal de la dinámica oscilatoria caótica es menor que el valor umbral (que está configurado dinámicamente), entonces la salida es '1, 'y esto directamente significa que la decisión es elegir' máquina 1 '".

Los investigadores esperan que este sistema pueda ampliarse, extendido a problemas de aprendizaje automático de grado superior, y conducir a nuevas aplicaciones del caos láser en el campo de la inteligencia artificial.

© 2017 Phys.org