Forskere har utviklet et system der levende rottenevroner utfører beregningsoppgaver i hybrid kunstig intelligens, med potensiale for hjerne-datagrensesnitt.
© Сгенерировано нейросетью
Forskere har tatt et betydelig skritt fremover innen hybrid kunstig intelligens ved å utvikle et system der levende rottenevroner utfører beregningsoppgaver. Eksperimentet bygger på ideen om å kombinere biologiske nevrale nettverk med maskinlæringsmetoder for å teste om levende celler kan fungere som fullverdige beregningselementer.
For å oppnå dette brukte forskerne corticale nevroner koblet til mikroelektroder og mikrofluidiske enheter. Systemet opererer i en lukket løkke: nevrale signaler leses, konverteres til utdata og føres deretter tilbake som elektrisk stimulering. Denne syklusen varer omtrent 330 millisekunder, noe som gjør at systemet kan lære i sanntid uten ekstern innblanding.
Spesiell oppmerksomhet ble rettet mot nettverkets struktur. Nevroner ble plassert i 128 mikropore koblet sammen av mikrokanaler, noe som bidro til å redusere overdreven synkronisering – et vanlig problem i uorganiserte biologiske nettverk. Som et resultat falt aktivitetskorrelasjonen nesten firedoblet, noe som gjorde systemets oppførsel mer kompleks og effektiv.
Under eksperimentene reproduserte det biologiske nettverket ulike signaler, inkludert sinus-, firkant- og trekantbølger, og kunne tilnærme komplekse kaotiske systemer som Lorenz-attraktoren. Nøyaktigheten forble høy, med korrelasjonsnivåer over 0,8.
Imidlertid er teknologien fortsatt langt fra praktisk bruk. Etter at opplæringen avsluttes, synker systemets nøyaktighet, og tilbakemeldingsforsinkelser begrenser dets evne til å behandle raskt skiftende signaler. Likevel tror forskerne at videre utvikling kan føre til nye hjerne-datagrensesnitt, nevroproteser og biohybride databehandlingsplattformer.