Forscher gewinnen Einblick in die Herstellung von künstlicher Intelligenz, die wie Menschen denkt

Forscher der Universität Tokio haben neue Erkenntnisse darüber gewonnen, wie eine künstliche Intelligenz (KI) dazu gebracht werden kann, wie Menschen zu denken. Die Forscher erläutern, wie ein Roboter durch elektrische Stimulation einer Kultur von Hirnnervenzellen, die mit dem Roboter verbunden sind, durch ein Labyrinth navigieren kann.

Die neue Forschung wurde in Applied Physics Letters veröffentlicht.

Nervenzellen als physischer Reservoir

Die Nervenzellen, die Neuronen sind, wurden aus lebenden Zellen gezüchtet. Sie wirken als physischer Reservoir, der es der Maschine ermöglicht, kohärente Signale zu konstruieren, die als homöostatische Signale betrachtet werden.

Diese Signale informieren den Roboter, dass die Umgebung innerhalb eines bestimmten Bereichs gehalten wird, und sie dienen als Basis, wenn er sich frei durch das Labyrinth bewegt.

Während der Tests wurden die Neuronen in der Zellkultur durch einen elektrischen Impuls gestört, wenn der Roboter in die falsche Richtung abbog oder falsch ausgerichtet war. Während aller Versuche wurde der Roboter kontinuierlich mit homöostatischen Signalen gefüttert, die von Störungssignalen unterbrochen wurden, bis er das Labyrinth erfolgreich lösen konnte.

Erreichung von zielgerichtetem Verhalten

Laut den Forschern deuten diese Ergebnisse darauf hin, dass zielgerichtetes Verhalten ohne zusätzliches Lernen generiert werden kann. Dies wird durch das Senden von Störungssignalen an ein eingebettetes System erreicht. Der Roboter war vollständig von den elektrischen Trial-and-Error-Impulsen abhängig, da er die Umgebung nicht sehen oder sensorische Informationen erhalten konnte.

Hirokazu Takahashi ist Associate Professor für Mechano-Informatik.

“Ich selbst wurde durch unsere Experimente inspiriert, die Hypothese aufzustellen, dass Intelligenz in einem lebenden System aus einem Mechanismus entsteht, der kohärentes Ausgangssignal aus einem unorganisierten Zustand oder einem chaotischen Zustand extrahiert”, sagte Takahashi.

Die Forscher nutzten dieses Prinzip, um zu zeigen, dass intelligente Problemlösungsfähigkeiten durch den Einsatz von physischen Reservoir-Computern produziert werden können, die die Extraktion von neuronalen Signalen ermöglichen. Dies ermöglicht auch die Lieferung von homöostatischen oder Störungssignalen, und all dies ermöglicht es dem Computer, ein Reservoir zu erstellen, das versteht, wie man die Aufgabe löst.

“Das Gehirn eines Grundschulkindes kann möglicherweise keine mathematischen Probleme in einem College-Zulassungstest lösen, weil die Dynamik des Gehirns oder ihr ‘physischer Reservoir-Computer’ nicht reichhaltig genug ist”, sagte Takahashi. “Die Fähigkeit, Aufgaben zu lösen, wird bestimmt, wie reichhaltig ein Repertoire von räumlich-zeitlichen Mustern das Netzwerk generieren kann.”

Laut dem Team könnte der Einsatz von physischem Reservoir-Computing in diesem Kontext zu einem besseren Verständnis davon beitragen, wie das Gehirn funktioniert, und es könnte zu der Entwicklung eines neuromorphen Computers führen.