Nordisk startup IntuiCell avslöjar världens första digitala nervsystem för AI

En nordisk deep-tech-startup har meddelat ett genombrott inom artificiell intelligens med skapandet av det första funktionella “digitala nervsystemet” som kan lära sig och anpassa sig på ett autonomt sätt, vilket potentiellt kan göra nuvarande AI-paradigm föråldrade i många tillämpningar.

Innovationen representerar en betydande avvikelse från traditionella statiska maskinlärningsmodeller genom att replikera de grundläggande principerna för hur inlärning sker i biologiska nervsystem. Till skillnad från konventionell AI som förlitar sig på stora datamängder och backpropageringsalgoritmer, möjliggör IntuiCells teknologi för maskiner att lära sig genom direkt interaktion med sin omgivning.

“IntuiCell har avkodat hur inlärning sker i biologi och utvecklat det som programvara för första gången”, uppgav företaget i sitt tillkännagivande, och beskrev genombrottet som “att gå utöver statiska maskinlärningsmodeller (huvudstommen i traditionell AI) genom att skapa ett fullt fungerande ‘digitalt nervsystem’ som kan skalas upp till mänsklig intelligens”.

Företaget demonstrerade sin innovation med “Luna”, en robot hund som lär sig att kontrollera sin kropp och stå genom trial och error, liknande en nyfödd djur. Videofilm som släppts av företaget visar Luna som lär sig att stå utan någon förprogrammerad intelligens eller instruktioner, och förlitar sig enbart på det digitala nervsystemet för att lära sig av erfarenhet.

“Till skillnad från traditionella AI-modeller som är bundna av statiska träningsdata, uppfattar, bearbetar och förbättrar robot hunden – som kallas Luna – sig själv genom direkt interaktion med sin värld”, enligt företagets pressmeddelande.

Hur tekniken fungerar

I hjärtat av IntuiCells innovation ligger en grundläggande förändring i hur maskiner lär sig. Till skillnad från konventionella AI-system som bearbetar enorma datamängder genom statiska algoritmer, imiterar IntuiCells tillvägagångssätt de biologiska mekanismer som tillåter människor och djur att lära sig naturligt.

Viktor Luthman, VD och medgrundare av IntuiCell, betonade denna skillnad under tillkännagivandet. Enligt Luthman har traditionell AI blivit skicklig på data bearbetning men saknar äkta intelligens, medan deras bio-inspirerade system möjliggör för maskiner att utvecklas och interagera med sin omgivning på sätt som tidigare varit ouppnåeliga.

Systemets arkitektur representerar en betydande avvikelse från standard neurala nätverk. IntuiCell har utvecklat teknologi som fungerar liknande en biologisk ryggmärg, och skapar den grundläggande infrastrukturen för autonomt lärande. Detta utgör en del av ett större system som är utformat för att replikera bearbetningsförmågan i thalamokortex, den hjärnregion som är ansvarig för sensorisk bearbetning och världsmodellering.

I stället för att förlita sig på backpropageringsalgoritmer och massiva träningsdatamängder, använder IntuiCells digitala nervsystem återkommande nätverk med en decentraliserad inlärningsalgoritm som speglar hjärnprocesser. Denna arkitektur möjliggör för AI-agenter att förvärva kunskap genom direkt erfarenhet och anpassa sig till nya situationer i realtid – förmågor som tidigare varit svåra att uppnå med traditionell maskinlärning.

Den praktiska tillämpningen av denna teknologi återspeglar dess biologiska inspiration. I stället för att programmera beteenden eller mata in data genom konventionella algoritmer, planerar IntuiCell att anställa hundtränare för att lära deras AI-agenter nya färdigheter. Detta tillvägagångssätt representerar en radikal förändring från typisk AI-utveckling, och betonar realvärldens interaktion över beräkningskraft. Som Dr. Udaya Rongala, forskare och medgrundare, förklarade, deras arbete härrör från tre decenniers neurovetenskaplig forskning som fokuserar på att förstå intelligens som den uppstår från nervsystemets struktur och dynamik.

“Besattheten av brutalkraftsskalning, miljarder parametrar, mer beräkning och mer data är en artefakt av en grundläggande felaktig tillvägagångssätt för att uppnå intelligens”, noterade Rongala. “IntuiCell jagar inte ett större-är-bättre-paradigm. Intelligens är inte vårt slutmål, utan vår utgångspunkt.”

IntuiCells teknologi syftar till att skapa “de första riktigt lärande systemen; maskiner som lär sig av oss, på samma sätt som vi skulle lära en ny färdighet till ett djur.” Företaget ser sin digitala nervsystem som “infrastrukturen för all icke-biologisk intelligens – som möjliggör för andra att lösa verkliga problem som vi inte kan förutse idag, utan att förlita sig på massiva träningsdatamängder”.

(Källa: IntuiCell)

Forskningsgrund och teamets expertis

Företagets grund läggs på tre decenniers neurovetenskaplig forskning vid Lunds universitet. Professor Henrik Jörntell, medgrundare av IntuiCell och neurofysiologiprofessor vid universitetet, har lett vad företaget beskriver som “den enda labben i världen som kan spela in intracellulär enkelneuronaktivitet över hela nervsystemet”, vilket ger en unik vetenskaplig grund för IntuiCells teknologi.

Ledningsteamet består av erfarna entreprenörer och forskare med expertis inom neurovetenskap, AI, robotik och affärsverksamhet. Utöver Luthman, Jörntell och Rongala, ingår i grundarteamet Dr. Jonas Enander, en läkare med neurovetenskaplig expertis; Linus Mårtensson, ledande utvecklare som ansvarar för att översätta forskning till programvara; och Robin Mellstrand, COO med bakgrund inom AI-drivna teknikföretag.

IntuiCell har säkrat 3,5 miljoner euro i finansiering från investerare, inklusive Navigare Ventures och SNÖ Ventures. Företaget förväntar sig att slutföra utvecklingen av det fullständiga digitala nervsystemet inom de närmaste två åren, med det slutliga målet att möjliggöra för alla agenter, fysiska eller digitala, att ha “livslångt lärande och anpassning till det okända – förmågor som tidigare ansågs unika för biologiska varelser”.

Medan den fullständiga förverkligandet av IntuiCells vision fortfarande ligger flera år bort, ger deras demonstration med Luna ett övertygande tidigt bevis för deras teknologis potential att förvandla AI-utveckling genom att skapa system som kan lära sig och anpassa sig på ett autonomt sätt genom interaktion med den verkliga världen.