Naukowcy połączyli sztuczną inteligencję z „minimózgiem”
Naukowcy postanowili połączyć model sztucznej inteligencji z organoidem mózgowym wyhodowanym z tkanek w laboratorium. W efekcie powstał hybrydowy prototyp biokomputera, który zwiększa moc obliczeniową sztucznej inteligencji.
Naukowcy postanowili zwiększyć moc obliczeniową modelu sztucznej inteligencji. W tym celu wykorzystali wyrafinowany model 3D ludzkiego mózgu, stworzony z różnych topów tkanek wyhodowanych w laboratorium. Badacze połączyli standardowy model uczenia maszynowego z „minimózgiem”. Eksperyment może stanowić pierwszy krok na drodze do stworzenia superpotężnych biokomputerów.
W eksperymencie wykorzystano bardziej tradycyjny sprzęt komputerowy. Posłużył on do wprowadzenia danych do organoidu. Następnie naukowcy za jego pomocą rozszyfrowali aktywność sztucznego mózgu, by wygenerować wynik. Okazuje się bowiem, że „minimózg” stanowi jedynie przejściową „warstwę środkową” całego procesu obliczeniowego.
Naukowcy zajmują się tworzeniem mini modeli ludzkiego mózgu już od lat. Istnieją one w różnych formach od 2013 roku. Budowane są z tkanek mózgowych hodowanych w specjalnych laboratoriach. Nazywane są organoidami mózgowymi bądź bardziej pieszczotliwie „minimózgami”.
Do tej pory były wykorzystywane wyłącznie w celach badawczych związanych z opracowywaniem leków czy badaniem podstawowych funkcji organu. Służą jako uproszczone modele pełnowymiarowych ludzkich mózgów. Nigdy jednak jeszcze nie były wykorzystywane do wzmocnienia możliwości sztucznej inteligencji.
Nowe badanie zostało opublikowane w czasopiśmie „Nature Electronics”. Naukowcy posłużyli się organoidem jako zbiornikiem, który ma za zadanie przechowywać informacje i reagować na nowowprowadzone dane. Algorytm uczy się natomiast rozpoznawać zmiany wywołane w minimózgu i przekształcić je w swoje dane wyjściowe. Do organoidu mózgowego dostarczane są impulsy elektryczne przez elektrody.
Mimo że organoid jest zacznie prostszym tworem niż rzeczywisty mózg, to wykazuje pewną zdolność do adaptacji i zmian w odpowiedzi na stymulację. Badacze wyszkolili swój algorytm do dwóch typów zadań: jeden związany jest z rozpoznawaniem mowy, drugi z matematyką.
W pierwszym przypadku biokomputer wykazał się 78 proc. skutecznością, natomiast jeżeli chodzi o matematykę, obliczenia były dość dokładne jednak nie aż tak, jak potrafią tradycyjne modele uczenia maszynowego. Zaletą całego mechanizmu była niezwykła efektywność energetyczna, jednak miną jeszcze dziesięciolecia, zanim taka technologia będzie wykorzystywana w ogólnym zastosowaniu.
