سلول های مغزی رشد یافته در آزمایشگاه یاد گرفتند که چگونه پنگ بازی کنند

برای انجام یک بازی ویدئویی به چند سلول مغز نیاز دارید؟ در نگاه اول، این سؤال ممکن است سؤالی انحرافی یا معمایی یا حتی طنز به نظر برسد. اما واقعیت این است که امروزه دانشمندان پاسخی علمی برای آن یافته اند. به لطف یک سیستم شبکه عصبی به نام DishBrain، اکنون یک پاسخ واقعی برای این سوال وجود دارد. بر اساس تحقیقات جدید، حدود 800000 سلول مغز برای بازی پنگ مورد نیاز است.

اگرچه استراتژی یک طرفه و آهسته این سلول‌های پنگ دیجیتال به طور طبیعی در آینده نزدیک نمی‌توانند قهرمانی در ورزش‌های الکترونیکی یا مسابقات مشابه را کسب کنند، اما عملکرد آنها نشان دهنده ظرفیت ترکیب بافت‌های زنده با فناوری سیلیکون برای کاربردهای موفق‌تر در آینده.

آزمایش اخیر اولین آزمایش هوش بیولوژیکی مصنوعی است و نشان می دهد که نورون ها می توانند فعالیت خود را برای انجام یک کار خاص تنظیم کنند. مهمتر از آن، نورون ها می توانند انجام این کار را بیاموزند و در صورت دریافت بازخورد مناسب، آن را در آینده بهتر انجام دهند.

دستاورد اخیر بسیار شگفت‌انگیز است و کاربردهای بالقوه ارزشمندی در محاسبات و مطالعه پدیده‌های مرتبط با مغز خواهد داشت، از تأثیر داروها و درمان‌ها بر فعالیت مغز گرفته تا نحوه رشد هوش در وهله اول. برت کاگانیک عصب شناس از یک استارت آپ بیوتکنولوژی آزمایشگاه های قشر مغز در استرالیا می گویند:

ما نشان داده‌ایم که می‌توانیم با نورون‌های بیولوژیکی زنده به گونه‌ای تعامل کنیم که بتوان آنها را وادار به تغییر فعالیت و تغییر کرد. [این کار درادامه] منجر به ظهور چیزی شبیه به هوش شود.

مغز ترکیبی از سلول های عصبی است. نورون های مشتق شده از موش های جنینی و نورون های انسانی رشد یافته از سلول های بنیادی. این سلول ها روی آرایه های میکروالکترودی رشد می کنند. آرایه های مذکور می توانند برای تحریک نورون ها فعال شوند و به عبارت دیگر ورودی حسی مورد نیاز برای تحقیق را فراهم کنند.

  چرا تضاد بین پرچمدار گلکسی اسنپدراگون سامسونگ و اگزینوس بسیار مهم است؟

سلول های عصبی زیر میکروسکوپ

تصویر میکروسکوپی از سلول های عصبی. نورون ها، آکسون ها و دندریت ها در زیر میکروسکوپ با نشانگرهای فلورسنت به رنگ بنفش، قرمز و سبز می درخشند.

میکروالکترودهایی که در دو طرف قاب بازی قرار داشتند، موقعیت توپ را در سمت چپ یا راست پارو برای بازی پنگ نشان می دادند. این کار در حالی انجام شد که فرکانس سیگنال ها هم فاصله توپ و هم موقعیت آن را مخابره می کرد.

مقاله مرتبط:

Dishbrain تنها با تکیه بر این تنظیمات می تواند پارو را برای ضربه زدن به توپ حرکت دهد. با این حال، حداقل در این مرحله به طور کلی، عملکرد بسیار ضعیفی دارد. نورون ها برای انجام بازی های خوب به بازخورد نیاز دارند. تیم تحقیقاتی در این زمینه نرم افزاری را برای ارائه بازخورد از طریق الکترود هر زمان که توپ گم می شود، توسعه دادند.

این به سیستم اجازه داد تا به پیشرفت‌ها و بهبود عملکرد در بازی پنگ دست یابد. مشاهدات محققان نشان می دهد که فرآیند یادگیری و بهبود عملکرد تنها 5 دقیقه طول می کشد. کارل فریستونیک عصب شناس نظری در دانشگاه کالج لندن در بریتانیا می گوید:

جنبه زیبا و نوآورانه این کار تجهیز نورون ها به عناصر مرتبط با حس و بازخورد و اساساً توانایی نورون ها برای عمل بر اساس دنیای اطراف است. فرهنگ‌های بشری یاد گرفته‌اند که دنیای خود را قابل پیش‌بینی‌تر کنند، و این مهم است. زیرا ما نمی توانیم چنین خودسازمانی انجام دهیم [به سیستم فعلی] فقط به این دلیل که (برخلاف یک حیوان خانگی) این مغزهای مصنوعی کوچک هیچ حس پاداش یا تنبیهی ندارند.

چند سال پیش، Freestone نظریه ای به نام اصل انرژی آزاد بر اساس این نظریه، همه سیستم‌های زیستی به گونه‌ای رفتار می‌کنند که شکاف بین آنچه مورد انتظار و تجربه است را کاهش دهند. به عبارت دیگر، آنها سعی می کنند دنیا را برای خود قابل پیش بینی تر کنند. به گفته Freestone، مغز دادگاه به سادگی همان کاری را انجام می دهد که زیست شناسی به بهترین شکل انجام می دهد، و اعمال خود را به گونه ای تنظیم می کند که جهان را قابل پیش بینی تر کند. کاگان می گوید:

ما بازی پنگ را به دلیل سادگی و آشنایی آن انتخاب کردیم. اما این بازی یکی از اولین بازی هایی بود که در یادگیری ماشین استفاده شد. بنابراین، ما می خواستیم دریابیم که چگونه کار می کند.

یک محرک غیرقابل پیش بینی بر روی سلول ها اعمال می شود و متعاقباً سیستم به عنوان یک کل فعالیت خود را سازماندهی مجدد می کند تا بازی را بهتر انجام دهد و پاسخ تصادفی را به حداقل برساند. همچنین می توان در نظر گرفت که صرف بازی کردن و ضربه زدن به توپ و دریافت تحریکات قابل پیش بینی به خودی خود محیط کمی قابل پیش بینی تری ایجاد می کند.

چنین سیستمی امکانات واقعا جالبی دارد. به خصوص در زمینه هوش مصنوعی و کامپیوتر. مغز انسان شامل حدود 80 تا 100 میلیارد نورون است و بسیار قدرتمندتر از هر کامپیوتر دیگری است و بهترین کامپیوترهای ما در تلاش هستند تا عملکرد آن را کپی یا تقلید کنند. بهترین تلاش ما تا به امروز نیز به 82944 پردازنده و یک پتابایت حافظه اصلی و 40 دقیقه زمان نیاز داشت تا تنها یک ثانیه از فعالیت 1 درصد مغز انسان را بازتولید کند.

مقاله مرتبط:

اگر معماری سیستم های مصنوعی بیشتر شبیه به ساختار مغز واقعی شود، دستیابی به نتایج بهتر دور از دسترس نخواهد بود. شاید حتی یک سیستم بیولوژیکی مصنوعی مانند سیستم توسعه یافته توسط کاگان و همکاران بتواند چنین وظیفه ای را انجام دهد.

علاوه بر این، احتمالاً باید به نتایج دیگر این آزمایش ها نیز توجه کنیم. مفاهیم و نتایجی که احتمالاً نتایج سریع‌تری نسبت به هدف اصلی مطالعه دارند. به عنوان مثال، Dishbrain می تواند به شیمیدانان کمک کند تا اثرات داروهای مختلف بر روی مغز را در سطح سلولی بهتر درک کنند. حتی ممکن است روزی با استفاده از نورون‌های کشت‌شده از سلول‌های بنیادی که با مهندسی معکوس از پوست بیمار ساخته شده‌اند، بتوانیم داروهایی را تولید کنیم که مطابق با بیولوژی خاص بیمار باشد.

به گفته فریستون پتانسیل ترجمه این اثر واقعاً هیجان انگیز است. از این ارزیابی برمی‌آید که لازم نیست نگران ایجاد «دوقلوهای دیجیتال» برای انجام آزمایش‌های مداخلات درمانی باشیم. در واقع، ما اکنون بهترین “جعبه شنی” بیومیمتیک را داریم که در آن می توانیم اثرات داروها و انواع متغیرهای ژنتیکی را آزمایش کنیم.

نکته جالب و ارزشمند در مورد سندباکس توصیف شده توسط Freestone این است که دقیقاً از همان عناصر محاسباتی (عصبی) موجود در مغز انسان ما ساخته شده است. اکنون مرحله بعدی این است که بفهمیم چگونه توانایی دیشبرین در بازی پنگ تحت تأثیر مواد مخدر و الکل قرار می گیرد. کاگان می گوید:

ما در حال حاضر در حال تلاش برای ایجاد منحنی دوز-پاسخ با اتانول هستیم. بنابراین اساسا آنها را تحت تأثیر الکل قرار دهید و ببینید که آیا آنها بازی را بدتر انجام می دهند یا خیر! درست مانند زمانی که الکل بر افراد تأثیر می گذارد.

علاوه بر این، ارزیابی پاسخ تعدادی از نورون ها به محرک های آشنا بسیار جالب خواهد بود. نتایج تحقیقات این تیم در مجله Neuron منتشر شده است.

دیدگاهتان را بنویسید