Οι επιστήμονες θέλουν τώρα να δημιουργήσουν AI χρησιμοποιώντας πραγματικά ανθρώπινα εγκεφαλικά κύτταρα

Τα μοντέλα μηχανικής μάθησης, όπως αυτό που τροφοδοτεί το ChatGPT, δημιουργούν δοκίμια, μικρές ιστορίες και ολόκληρα podcast. Αλλά οι επιστήμονες αναζητούν έναν άλλο τρόπο υπολογισμού που θα μπορούσε να είναι εξίσου αποτελεσματικός και ισχυρός, και βρίσκεται στον εγκέφαλό μας.

Σε ένα νέο άρθρο που δημοσιεύθηκε την Τρίτη στο Frontiers, μια μεγάλη διεθνής συνεργασία με επικεφαλής ερευνητές στο Πανεπιστήμιο John Hopkins (JHU) περιγράφει πώς οι τεχνολογίες εγκεφάλου-μηχανής είναι το νεότερο σύνορο στον βιουπολογισμό και παρέχει έναν οδικό χάρτη για το πώς να γίνει πραγματικότητα. 

Όπως εξηγεί το έγγραφο, η οργανοειδής νοημοσύνη (OI) είναι ένα αναδυόμενο πεδίο όπου οι ερευνητές αναπτύσσουν βιολογικούς υπολογιστές χρησιμοποιώντας τρισδιάστατες καλλιέργειες ανθρώπινων εγκεφαλικών κυττάρων (οργανοειδή εγκεφάλου) και τεχνολογίες διεπαφής εγκεφάλου-μηχανής. Αυτά τα οργανοειδή μοιράζονται πτυχές της δομής και της λειτουργίας του εγκεφάλου που παίζουν βασικό ρόλο στις γνωστικές λειτουργίες όπως η μάθηση και η μνήμη. Θα λειτουργούσαν ουσιαστικά ως βιολογικό υλικό και θα μπορούσαν κάποια μέρα να είναι ακόμα πιο αποτελεσματικά από τους τρέχοντες υπολογιστές που εκτελούν προγράμματα τεχνητής νοημοσύνης.

«Το όραμα του OI είναι να χρησιμοποιήσει τη δύναμη του βιολογικού συστήματος για να προωθήσει τον τομέα των ζωντανών επιστημών, της βιομηχανικής και της επιστήμης των υπολογιστών», έγραψε η Lena Smirnova, ερευνήτρια στο JHU και συγγραφέας στο έγγραφο, σε ένα email στο Motherboard. «Αν κοιτάξουμε πόσο αποτελεσματικά λειτουργεί ο ανθρώπινος εγκέφαλος στην επεξεργασία πληροφοριών, στη μάθηση κ.λπ., είναι δελεαστικό να το μεταφράσουμε και να το μοντελοποιήσουμε για να έχουμε ένα σύστημα που θα λειτουργεί γρηγορότερα και πιο αποτελεσματικά [από τους σημερινούς] υπολογιστές».

Για παράδειγμα, ο ανθρώπινος εγκέφαλος έχει μια απίστευτη ικανότητα να αποθηκεύει πληροφορίες: το μέσο noggin μπορεί να αποθηκεύσει περίπου 2.500 terabyte, σύμφωνα με την εφημερίδα. Οι ερευνητές οραματίζονται περίπλοκες δομές 3D κυττάρων που θα συνδέονται με συστήματα τεχνητής νοημοσύνης και μηχανικής μάθησης.

«Φτάνουμε στα φυσικά όρια των υπολογιστών πυριτίου επειδή δεν μπορούμε να συσκευάσουμε περισσότερα τρανζίστορ σε ένα μικροσκοπικό τσιπ», δήλωσε ο Thomas Hartung, ερευνητής στο JHU και ένας από τους συγγραφείς της μελέτης, σε δελτίο τύπου. «Αλλά ο εγκέφαλος συνδέεται τελείως διαφορετικά. Έχει περίπου 100 [δισεκατομμύρια] νευρώνες συνδεδεμένους μέσω πάνω από 1015 σημείων σύνδεσης. Είναι μια τεράστια διαφορά ισχύος σε σύγκριση με την τρέχουσα τεχνολογία μας.”

 Οι ερευνητές έχουν συνδυάσει στο παρελθόν το βιολογικό και το συνθετικό για να 

Ωστόσο, η νέα εφημερίδα βλέπει ακόμη μεγαλύτερες εφαρμογές από το να κάνει τα κύτταρα να παίζουν βιντεοπαιχνίδια. Πρώτον, τα οργανοειδή του εγκεφάλου θα μπορούσαν να έχουν εφαρμογές στην ιατρική. Οι συγγραφείς γράφουν ότι η έρευνα για την ΟΙ θα επιτρέψει την εξερεύνηση των ενδοατομικών νευροαναπτυξιακών και νευροεκφυλιστικών διαταραχών και θα φέρει επανάσταση στην έρευνα για τη δοκιμή φαρμάκων. 

Όπως και με την τεχνητή νοημοσύνη , υπάρχουν ηθικές ανησυχίες και οι ερευνητές το αναγνωρίζουν. Για να διασφαλίσουν ότι η ΟΙ αναπτύσσεται με ηθικά και κοινωνικά ανταποκρινόμενο τρόπο, προτείνουν μια προσέγγιση «ενσωματωμένης ηθικής», όπου «διεπιστημονικές και αντιπροσωπευτικές ομάδες ηθικών, ερευνητών και μελών του κοινού εντοπίζουν, συζητούν και αναλύουν ηθικά ζητήματα και τα ανατροφοδοτούν ενημερώνει τη μελλοντική έρευνα και εργασία».

Αυτή η τεχνολογία δεν είναι ακριβώς έτοιμη να αναπτυχθεί αύριο. Ωστόσο, οι ερευνητές τοποθετούν τις εργασίες ως ένα σημείο άλματος για περισσότερη έρευνα.

«Έχουμε ήδη λειτουργικά εγκεφαλικά οργανοειδή, αφού έχουμε ένα ηλεκτροφυσιολογικό ενεργό σύστημα, το οποίο έχει σύγχρονη ηλεκτρική δραστηριότητα και ανταποκρίνεται σε χημικά και ηλεκτρικά ερεθίσματα», έγραψε η Smirnova. «Το επόμενο βήμα στο οποίο εργαζόμαστε είναι να χαρακτηρίσουμε και να βελτιστοποιήσουμε περαιτέρω το σύστημα επιδεικνύοντας βασικές μοριακές και κυτταρικές πτυχές της μάθησης, ιδίως [για να] αναπτύξουμε ένα μοντέλο μακροπρόθεσμης μάθησης».

Πηγή: vice via RT