Onderzoekers krijgen inzicht in hoe ze AI kunnen laten denken zoals wij

Onderzoekers van de Universiteit van Tokio hebben nieuw inzicht gekregen in hoe kunstmatige intelligentie (AI) kan worden gemaakt om te denken zoals wij. De onderzoekers schetsen hoe een robot kan worden geleerd om door een doolhof te navigeren door een cultuur van hersenzenuwcellen die met de robot zijn verbonden, elektrisch te stimuleren. 

Het nieuwe onderzoek is gepubliceerd in Applied Physics Letters. 

Zenuwcellen als fysiek reservoir

De zenuwcellen, die neuronen zijn, zijn gegroeid uit levende cellen. Ze fungeren als het fysieke reservoir waarmee de machine coherente signalen kan construeren, die worden beschouwd als homeostatische signalen. 

Deze signalen informeren de robot dat de omgeving binnen een bepaald bereik wordt gehouden, en ze fungeren als een basislijn terwijl deze vrij door het doolhof beweegt. 

Bij het testen werden de neuronen in de celkweek verstoord door een elektrische impuls wanneer de robot in de verkeerde richting zwenkte of de verkeerde kant op keek. Tijdens alle proeven kreeg de robot voortdurend de homeostatische signalen, onderbroken door de storingssignalen, totdat hij de doolhoftaak met succes kon oplossen. 

Doelgericht bereiken Gedrag

Volgens de onderzoekers suggereren deze bevindingen dat doelgericht gedrag kan worden gegenereerd zonder extra leren. Dit wordt bereikt door storingssignalen naar een belichaamd systeem te sturen. De robot was volledig afhankelijk van de elektrische trial-and-error-impulsen omdat hij de omgeving niet kon zien of zintuiglijke informatie kon verkrijgen.

Hirokazu Takahashi is universitair hoofddocent mechano-informatica.

"Ikzelf werd geïnspireerd door onze experimenten om te veronderstellen dat intelligentie in een levend systeem voortkomt uit een mechanisme dat een coherente output haalt uit een ongeorganiseerde staat of een chaotische toestand," zei Takahashi.

De onderzoekers gebruikten dit principe om aan te tonen dat intelligente taakoplossende vermogens kunnen worden geproduceerd door het gebruik van fysieke reservoircomputers, waardoor neuronale signalen kunnen worden geëxtraheerd. Dit maakt ook de levering van homeostatische of storingssignalen mogelijk, en dit alles stelt de computer in staat een reservoir te creëren dat begrijpt hoe de taak moet worden opgelost. 

"Een brein van [een] basisschoolkind is niet in staat wiskundige problemen op te lossen tijdens een toelatingsexamen voor de universiteit, mogelijk omdat de dynamiek van de hersenen of hun 'fysieke reservoircomputer' niet rijk genoeg is," zei Takahashi. "Taakoplossend vermogen wordt bepaald door hoe rijk een repertoire van spatiotemporele patronen het netwerk kan genereren."

Volgens het team zou het gebruik van fysieke reservoircomputing in deze context kunnen bijdragen aan een beter begrip van hoe de hersenen werken, en zou het kunnen leiden tot de nieuwe ontwikkeling van een neuromorfe computer.