دانشمندان راهی برای ادغام سلول‌های زنده مغز انسان در سیستم‌های محاسباتی یافته‌اند و ممکن است «A» در هوش مصنوعی را منسوخ کنند.

A مقاله تحقیقاتی formally published today in the journal الکترونیک طبیعتکار توسط دانشمندان دانشگاه ایندیانا بلومینگتون، توضیح داده شده است که سیستم جدیدی به نام "برینوور" را توضیح می دهد که به گفته آنها از ارگانوئیدهای مغز انسان برای تکمیل وظایف پیشرفته هوش مصنوعی استفاده می کند. این ارگانوئیدها - توده های سلولی یا بافتی که به طور مصنوعی رشد کرده اند و شبیه اندام هستند - در حال حاضر روی یک آرایه چند الکترودی با چگالی بالا نصب شده اند و امروزه کاملاً ابتدایی هستند. با این حال، محققان امیدوارند که استفاده از آنها راه را برای زیست کامپیوترهایی هموار کند که می توانند همان وظایفی را که رایانه ها انجام می دهند، اما با حداقل مصرف انرژی، انجام دهند.

این مقاله استدلال می‌کند: «مغز انسان معمولاً حدود 20 وات مصرف می‌کند، در حالی که سخت‌افزار AI فعلی حدود 8 میلیون وات مصرف می‌کند تا یک ANN (شبکه عصبی مصنوعی) مقایسه کند. Brainoware می‌تواند بینش‌های بیشتری را برای محاسبات هوش مصنوعی ارائه دهد زیرا ارگانوئیدهای مغز می‌توانند BNN (شبکه‌های عصبی بیولوژیکی) را با پیچیدگی، اتصال، انعطاف‌پذیری عصبی، و نوروژنز و همچنین مصرف کم انرژی و یادگیری سریع فراهم کنند.

مایکل لو پیج در ماه مارس در توییتر نوشت: «مغز انسان انرژی بسیار کمتری مصرف می‌کند و بسیار سریع‌تر یاد می‌گیرد، بنابراین برخی از محققین محاسبات زیستی را راه پیش رو می‌دانند.

لو پیج به نقل از مادلین لنکستر، نوروبیولوژیست تکاملی کمبریج، گفت: «اینکه آیا اینها آنها را فراتر از یک محدودیت اخلاقی می‌برند، چیزی است که ما مطمئناً می‌خواهیم از آن اجتناب کنیم، و جامعه علمی و اخلاقی گرد هم می‌آیند تا تعیین کنند که این محدودیت کجا خواهد بود».

Brainoware اطلاعات ارگانوئید مغز را از طریق "محاسبه مخزن تطبیقی" ارسال و دریافت می کند. این روش یادگیری بدون نظارت از داده های آموزشی را امکان پذیر می کند، که همچنان می تواند اتصال عملکردی ارگانوئید را شکل دهد. پتانسیل عملی این سیستم از طریق کارهایی مانند تشخیص گفتار نشان داده شد، جایی که صدای تک تک گویندگان را با دقت فزاینده پس از آموزش متمایز می کرد.

به عنوان مثال، ارگانوئیدها برای شناسایی صدای یک فرد در مجموعه ای از 240 کلیپ صوتی هشت نفری که صداهای مصوت ژاپنی را تلفظ می کنند، آموزش دیده اند. پس از آموزش، ارگانوئیدها توانستند کار را با بیش از 70 درصد دقت کامل کنند.

با این حال، علم هنوز تا ساخت ربات های زنده فاصله دارد. ارگانوئیدها فقط می‌توانستند یک سخنران را شناسایی کنند، نه گفتار را درک کنند، به این معنی که یک مسیر بسیار طولانی و پر پیچ و خم وجود دارد تا اینکه فناوری به کاربرد عملی در پزشکی یا مهندسی دست یابد.

Titouan Parcollet از دانشگاه کمبریج گفت دانشمند جدید مجله که پتانسیل محاسبات زیستی گسترده است، اما اذعان کرد که "مدل های یادگیری عمیق فعلی در واقع بسیار بهتر از هر مغزی در کارهای خاص و هدفمند هستند."

محققان همچنین هشدار دادند که "ارگانوئیدهای فعلی آنها هنوز از ناهمگنی بالا، توان تولید کم، نکروز/هیپوکسی و قابلیت‌های مختلف رنج می‌برند،" که آنها را در حال حاضر برای هر چیزی غیر از اهداف تحقیقاتی غیرقابل دوام می‌کند.

Parallel to Brainoware’s development, AI has been creatively applied in fields like healthcare, with innovations that help restore mobility to quadriplegics and AI models capable of reading minds. All together, these advancements highlight the versatile and transformative nature of AI technologies.

ویرایش شده توسط رایان اوزاوا.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://decrypt.co/209387/brainoware-bioscience-ai-organoids-brain-cells