کامپیوتر های زیستی با همکاری گروهی، هوش مصنوعی را شکست دادند

شرکت Cortical Labs، سازنده نخستین کامپیوتر زیستی جهان، سیستم جدیدی به نام HIVE معرفی کرده است که با اتصال ۱۵ کامپیوتر زیستی CL1 به یکدیگر، امکان همکاری نورون‌های انسانی را برای حل مسائل پیچیده فراهم می‌کند.

سرویس هوش مصنوعی تک‌ناکآزمایش‌های اولیه نشان می‌دهد که این ساختار می‌تواند عملکردی دقیق‌تر و کارآمدتر از کامپیوترهای زیستی مستقل داشته باشد.

اینشرکت استرالیاییفناوری جدید خود را در نخستین کنفرانس بین‌المللی هوش ارگانوئیدی در واشنگتن معرفی کرد. سیستم HIVE از نورون‌های انسانی پرورش‌یافته در آزمایشگاه استفاده می‌کند که به‌جای فعالیت مستقل، اطلاعات را به‌ صورت گروهی پردازش می‌کنند.

نکته مهم این است که نورون‌ها بدون دریافت آموزش مستقیم، وظایف مختلف را میان خود تقسیم کرده‌اند. این سلول‌های عصبی پس از اتصال به شبکه‌ای بزرگ‌تر، به‌ صورت مستقل روش‌های کارآمدتری برای دستیابی به اهداف مشترک پیدا کردند.

برت کیگان، هم‌بنیان‌گذار و مدیرعامل Cortical Labs معتقد است که محاسبات زیستی ظرفیت بسیار زیادی دارند، اما سیستم‌های کاربردی نباید به عملکرد بی‌نقص یک مجموعه سلولی وابسته باشند.

او توضیح داد که طبیعت مسائل پیچیده را از طریق همکاری جمعی حل می‌کند. همان‌طور که مغز اطلاعات را میان بخش‌های تخصصی توزیع می‌کند و زنبورها در کندو وظایف متفاوتی برعهده دارند، سیستم HIVE نیز از همکاری مجموعه‌های عصبی برای افزایش توان پردازشی استفاده می‌کند.

دقت تشخیص نمادها با کامپیوتر زیستی

یکی از چالش‌های اصلیکامپیوترهای زیستیتغییرپذیری عملکرد سلول‌های زنده است. یک مجموعه نورونی ممکن است در روز مشخصی عملکرد مطلوبی داشته باشد، اما در زمان دیگری نتایج ضعیف‌تری ارائه دهد.

سیستم HIVE با توزیع وظایف میان چند مجموعه عصبی، تأثیر این نوسانات را کاهش می‌دهد. همچنین اگر یکی از مجموعه‌ها پاسخ‌گویی خود را متوقف کند، سایر کامپیوترهای زیستی می‌توانند فعالیت سیستم را ادامه دهند.

شرکت Cortical Labs برای ارزیابی این قابلیت، آزمایشی با هدف تشخیص نمادها انجام داد. نتایج نشان داد که اتصال هفت کامپیوتر زیستی به یکدیگر، دقت تشخیص را از حدود ۸۰ به ۹۹ درصد افزایش داده است.

پژوهشگران در آزمایش دیگری، سیستم HIVE را برای هدایت یک شخصیت مجازی در محیطی شبکه‌ای به کار گرفتند. شخصیت مجازی باید با انتخاب حرکت‌های مناسب، مسیر رسیدن به هدف مشخصی را پیدا می‌کرد.

دانشمندان عملکرد این سیستم را با مدل هوش مصنوعی Deep Q Network یا DQN مقایسه کردند. این مدل برخلاف کامپیوترهای زیستی، از الگوریتم‌های محاسباتی برای تصمیم‌گیری استفاده می‌کند.

مدل DQN توانست حدود ۳۲ درصد از حداکثر امتیاز ممکن را کسب کند، درحالی‌که بهترین کامپیوتر زیستی مستقل به امتیاز ۴۰ درصد رسید.

هنگامی که چندکامپیوتر زیستیبرای انتخاب حرکت‌ها همکاری کردند، امتیاز به حدود ۷۰ درصد افزایش یافت. تقسیم وظایف میان گروه‌های تخصصی نیز عملکرد سیستم را بهبود داد و امتیاز نهایی را به حدود ۸۰ درصد رساند.

آینده محاسبات زیستی با مصرف انرژی کمتر

نتایج این آزمایش‌ها نشان می‌دهد که همکاری مجموعه‌های نورونی می‌تواند توانایی یادگیری و تصمیم‌گیری کامپیوترهای زیستی را افزایش دهد. با وجود این‌، پژوهشگران تأکید کرده‌اند که یافته‌ها مقدماتی هستند و نمی‌توان آنها را به تمام مدل‌های هوش مصنوعی تعمیم داد.

جانسون ژو، دانشمند Cortical Labs توضیح داد که همکاری مجموعه‌های عصبی باعث کاهش تأثیر تفاوت‌های عملکردی آنها می‌شود. به گفته او، HIVE امکان مدیریت این تغییرپذیری را فراهم می‌کند و هم‌زمان از سازگاری بالای سیستم‌های زیستی بهره می‌برد.

پژوهشگران اکنون قصد دارند نحوه انتقال سیگنال‌ها و پردازش بازخورد میان نورون‌های متصل را بررسی کنند. همچنین آنها می‌خواهند بدانند که افزایش تعداد ارتباطات می‌تواند عملکرد سیستم را بیشتر بهبود دهد یا خیر.

یکی دیگر از مزایای مهم این فناوری، بهره‌وری انرژی بالاتر در یادگیری ماشین است. استفاده از سلول‌های عصبی زنده می‌تواند مسیر توسعه کامپیوترهای کم‌مصرف را هموار کند.

این پژوهش در نخستین کنفرانس بین‌المللی هوش ارگانوئیدی (ICOI) ارائه شد که روزهای ۲۶ و ۲۷ اکتبر در واشنگتن دی‌سی برگزار می‌شود.

نوشتهکامپیوتر های زیستی با همکاری گروهی، هوش مصنوعی را شکست دادنداولین بار درTechnoc. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.