هوش‌مصنوعی ساخته شده از سلول‌های زنده مغز انسان!

محمدحسن محمودی

محمدحسن محمودی

توپ‌هایی تشکیل شده از سلول‌های مغز انسان که متصل به کامپیوتر هستند، برای انجام یک شکل بسیار ابتدایی از تشخیص گفتار استفاده شده‌اند. امید داریم که چنین سیستم‌هایی نسبت به تراشه‌های سیلیکونی انرژی بسیار کمتری برای کارهای هوش مصنوعی مصرف کنند.

فنگ گوئو از دانشگاه بلومینگتون ایندیانا می‌گوید که این فقط اثبات مفهومی است که نشان می‌دهد ما می‌توانیم این کار را انجام دهیم. اما راه درازی در پیش خواهیم داشت.  ارگانوئیدهای مغزی توده‌هایی از سلول‌های عصبی هستند که هنگام رشد سلول‌های بنیادی در شرایط خاص تشکیل می‌شوند. که گوئو  به آنها مغزهای کوچک می‌گوید. همچنین اضافه می‌کند که دو یا سه ماه طول می‌کشد تا ارگانوئیدها که چند میلی‌متر عرض دارند و از ۱۰۰ میلیون سلول عصبی تشکیل شده‌اند، رشد کنند. مغز انسان حدود ۱۰۰ میلیارد سلول عصبی دارد. سپس ارگانوئیدها در بالای تعدادی میکروالکترود قرار می‌گیرند که هم برای ارسال سیگنال‌های الکتریکی به ارگانوئید و هم برای تشخیص اینکه سلول‌های عصبی پاسخ می‌دهند استفاده می‌شود. این تیم سیستم خود را “Brainoware” نامیده است.

New Scientist در ماه مارس گزارش داد که تیم گوئو از این سیستم برای تلاش برای حل معادلات معروف به نقشه Hénon استفاده کرده است. برای تشخیص گفتار، ارگانوئیدها باید یاد می‌گرفتند که صدای یک فرد را از مجموعه ۲۴۰ کلیپ صوتی هشت نفری که صداهای مصوت ژاپنی را تلفظ می‌کنند، تشخیص دهند. کلیپ‌ها به عنوان دنباله‌ای از سیگنال‌ها که در الگوهای فضایی مرتب شده اند به ارگانوئیدها فرستاده شدند. گوئو می‌گوید که پاسخ‌های اولیه ارگانوئیدها دقتی در حدود ۳۰ تا ۴۰ درصد داشتند. پس از دو روز جلسات آموزشی، دقت آنها به ۷۰ تا ۸۰ درصد افزایش یافت.

او می‌گوید که ما این را یادگیری تطبیقی می‌نامیم. اگر ارگانوئیدها در معرض دارویی قرار می گرفتند که اتصالات جدید بین سلول های عصبی را متوقف می کرد، هیچ بهبودی حاصل نمی شد.

گوئو می‌گوید که آموزش صرفاً شامل تکرار کلیپ‌های صوتی بود و هیچ گونه بازخوردی برای گفتن درست یا غلط بودن آنها به ارگانوئیدها ارائه نشد. این همان چیزی است که در تحقیقات هوش مصنوعی به عنوان یادگیری بدون نظارت شناخته می شود.

گوئو عقیده دارد که دو چالش بزرگ با هوش مصنوعی معمولی وجود دارد. یکی مصرف بالای انرژی آن است. مورد دیگر محدودیت‌های ذاتی تراشه‌های سیلیکونی، مانند تفکیک اطلاعات و پردازش آن‌ها است. تیم گوئو یکی از چندین گروهی است که بررسی می‌کند که آیا محاسبات زیستی با استفاده از سلول‌های عصبی زنده می‌تواند به غلبه بر این چالش‌ها کمک کند. به عنوان مثال، شرکتی به نام Cortical Labs در استرالیا به سلول‌های مغز آموزش داده است که چگونه بازی پونگ را بازی کنند.

Titouan Parcollet از دانشگاه کمبریج، که روی تشخیص گفتار کار می‌کند، نقش محاسبات زیستی را در دراز مدت رد نمی‌کند و می‌گوید که با این حال، ممکن است اشتباه باشد که فکر کنیم برای دستیابی به آنچه یادگیری عمیق در حال حاضر انجام می‌دهد به چیزی مثل مغز نیاز داریم. مدل‌های یادگیری عمیق کنونی در واقع بسیار بهتر از هر مغزی در کارها خاص و هدفمند هستند. همچنین اضافه می‌کند که وظیفه گو و تیمش آنقدر ساده شده است که فقط مشخص می‌کند چه کسی صحبت می‌کند، نه اینکه سخنرانی چیست، یعنی انکه نتایج از منظر تشخیص گفتار واقعا امیدوار کننده نیستند!

گوئو می‌گوید حتی اگر بتوان عملکرد Brainoware را بهبود بخشید، مشکل اصلی دیگر این است که ارگانوئیدها را فقط می‌توان برای یک یا دو ماه حفظ کرد. تیم او در حال کار بر روی تمدید این مسئله است. او اضافه می‌کند که اگر می‌خواهیم از قدرت محاسباتی ارگانوئیدها برای محاسبات هوش مصنوعی استفاده کنیم، واقعاً باید این محدودیت‌ها را برطرف کنیم.

 

ارسال دیدگاه