چیپ کامپیوتری با بافت‌های مغزی انسان بودجه نظامی دریافت می‌کند

سال گذشته، دانشمندان دانشگاه موناش استرالیا DishBrain را ساختند. DishBrain یک کامپیوتر نیمه بیولوژیکی با حدود ۸۰۰٬۰۰۰ سلول مغز انسان و موش است که به‌طور آزمایشگاهی درون الکترودهای آن پرورش یافته‌اند. با چیزی شبیه به ادراک، این چیپ کامپیوتری توانست در پنج دقیقه بازی پونگ را یاد بگیرد.

آرایش میکروالکترودی DishBrain توانایی فعالیت خواندن درون مغز و شبیه‌سازی آن‌ها با سیگنال‌های الکتریکی را داشت. دانشمندان توانستند نسخه‌ای از پونگ را طراحی کنند که در آن یک محرک الکتریکی به سلول‌های مغز خورانده می‌شد و مکان توپ را روی صفحه نمایش و فاصله آن از راکت را منعکس می‌کرد. آن‌ها به مغز اجازه دادند راکت را حرکت دهد.

آن‌ها با استفاده از این حقیقت که توده‌های کوچک سلول‌های مغز پیش‌بینی‌ناپذیری محیط خود را کمینه می‌کنند، یک سیستم پاداش ساده به‌وجود آوردند. اگر راکت توپ را می‌زد، سلول‌ها یک محرک خوب و قابل‌پیش‌بینی دریافت می‌کردند، اما اگر توپ را از دست می‌داد، چهار ثانیه محرک غیرقابل‌پیش‌بینی به سلول‌ها می‌دادند.

این اولین‌بار بود که سلول‌های آزمایشگاهی مغزی این‌چنین استفاده می‌شدند. آن‌ها نه‌تنها احساسی از دنیا دریافت می‌کردند، بلکه باید براساس آن احساس عمل می‌کردند.

نتایج حیرت‌آور بود.

بودجه نظامی برای کامپیوتر نیمه بیولوژیکی

این پژوهش به‌قدری جالب‌توجه بود که حالا بودجه‌ای برابر با ۴۰۷٬۰۰۰ دلار آمریکا از سازمان اطلاعات ملی استرالیا دریافت کرده است.

«عدیل رازی» (Adeel Razi)، سرپرست پروژه، می‌گوید یک کامپیوتر نیمه بیولوژیک در ترکیب با هوش مصنوعی می‌تواند در آینده از عملکرد سخت‌افزار تماماً سیلیکونی موجود پیشی بگیرد.

این می‌تواند انقلابی در حوزه‌های برنامه‌ریزی، رباتیک، اتوماسیون پیشرفته، رابط‌های مغز-ماشین و کشف دارو باشد.

توانایی‌های یادگیری پیشرفته DishBrain می‌تواند سرآغاز نسل جدیدی از یادگیری ماشین باشد؛ خصوصاً در ترکیب با خودروها، پهپادها و ربات‌های اتوماتیک. این می‌تواند به آن‌ها یک هوش ماشینی جدید دهد که در طول عمر خود قادر به یادگیری باشند.

تکنولوژی کامپیوتر نیمه بیولوژیکی نوید ماشین‌هایی را می‌دهد که می‌توانند بدون به زیر سؤال بردن ماشین‌های گذشته، توانایی‌های جدید یاد بگیرند، با تغییرات سازگار شوند و دانش‌های قبلی را در شرایط جدید استفاده کنند.

رازی و همکارانش از این بودجه برای توسعه ماشین‌های هوش مصنوعی با توانایی یادگیری شبکه‌های عصبی بیولوژیکی استفاده خواهند کرد. این کمک می‌کند تا ظرفیت این سخت‌افزارها و روش‌ها تا حدی پیشرفت کند که به جایگزینی برای پردازش سیلیکونی تبدیل شوند.