Ερευνητές Αποκτάουν Κατανόηση στο Πώς να Κάνουν την Τεχνητή Νοημοσύνη να Σκέφτεται Όπως Εμείς

Ερευνητές από το Πανεπιστήμιο του Τόκιο έχουν αποκτήσει κάποιες νέες γνώσεις σχετικά με το πώς μια τεχνητή νοημοσύνη (AI) θα μπορούσε να κάνει να σκέφτεται όπως εμείς. Οι ερευνητές περιγράφουν πώς ένα ρομπότ θα μπορούσε να διδαχθεί να πλοηγείται μέσα από ένα λαβύρινθο με ηλεκτρική διέγερση ενός πολιτισμού εγκεφαλικών νευρικών κυττάρων που συνδέονται με το ρομπότ.

Η νέα έρευνα δημοσιεύθηκε στο Applied Physics Letters.

Νευρικά Κυττάρα ως Φυσικός Αποθεματικός

Τα νευρικά κύτταρα, τα οποία είναι νευρώνες, καλλιεργήθηκαν από ζωντανούς κυττάρους. Λειτουργούν ως ο φυσικός αποθεματικός που επιτρέπει στην μηχανή να κατασκευάσει συνεκτικά σήματα, τα οποία θεωρούνται ως ομοιοστατικά σήματα.

Αυτά τα σήματα ενημερώνουν το ρομπότ ότι το περιβάλλον διατηρείται μέσα σε ένα bestimmμένο εύρος, και λειτουργούν ως μια βάση όταν το ρομπότ κινείται ελεύθερα μέσα στο λαβύρινθο.

Στις δοκιμές, οι νευρώνες στον πολιτισμό κυττάρων διαταράχθηκαν από einen ηλεκτρικό импульσο κάθε φορά που το ρομπότ στρίψασε στην λάθος κατεύθυνση ή κοίταξε την λάθος κατεύθυνση. Σε όλες τις δοκιμές, το ρομπότ συνέχιζε να λαμβάνει τα ομοιοστατικά σήματα που διακόπτονταν από τα σήματα διαταραχής μέχρι να μπορέσει να λύσει επιτυχώς την εργασία του λαβυρίνθου.

Επίτευξη ΣκοποBahavior

Σύμφωνα με τους ερευνητές, αυτά τα ευρήματα δείχνουν ότι η σκοποBahavior μπορεί να παραχθεί χωρίς επιπλέον μάθηση. Αυτό επιτυγχάνεται με την αποστολή σημάτων διαταραχής σε ένα ενσωματωμένο σύστημα. Το ρομπότ ήταν完全 εξαρτημένο από τις ηλεκτρικές δοκιμές και λάθη,既然 δεν μπορούσε να δει το περιβάλλον ή να λάβει αισθητηριακές πληροφορίες.

Ο Hirokazu Takahashi είναι αναπληρωτής καθηγητής μηχανο-πληροφορικής.

“Εγώ, ο ίδιος, έγινα εμπνευσμένος από τις πειραματικές μας να υποθέσω ότι η νοημοσύνη σε ένα ζωνταίο σύστημα προκύπτει από einen μηχανισμό που εξάγει ένα συνεκτικό αποτέλεσμα από einen ατακτό ή χαοτικό κατάσταση”, είπε ο Takahashi.

Οι ερευνητές χρησιμοποίησαν αυτό το principio για να δείξουν ότι οι ικανότητες επίλυσης εργασιών μπορούν να παραχθούν μέσω της χρήσης φυσικών αποθεματικών υπολογιστών, επιτρέποντας την εξαγωγή νευρικών σημάτων. Αυτό επίσης επιτρέπει την παράδοση ομοιοστατικών ή σημάτων διαταραχής, και όλα αυτά επιτρέπουν στον υπολογιστή να δημιουργήσει einen αποθεματικό που καταλαβαίνει πώς να λύσει την εργασία.

“Ein εγκέφαλος ενός παιδιού δημοτικού δεν μπορεί να λύσει μαθηματικά προβλήματα σε einen εξεταστική για την εισαγωγή στο κολλέγιο, πιθανότατα επειδή η δυναμική του εγκεφάλου ή ο ‘φυσικός αποθεματικός υπολογιστής’ δεν είναι αρκετά πλούσιος”, είπε ο Takahashi. “Η ικανότητα επίλυσης εργασιών καθορίζεται από το πόσο πλούσιο是一个 αποθεματικό spatiotemporal μοτίβων η мережα μπορεί να παραχθεί.”

Σύμφωνα με την ομάδα, η χρήση φυσικών αποθεματικών υπολογιστών σε αυτό το контекστό θα μπορούσε να συνεισφέρει σε μια καλύτερη κατανόηση του πώς λειτουργεί ο εγκέφαλος, και θα μπορούσε να οδηγήσει στην ανάπτυξη eines neuen neuromorphic υπολογιστή.