Artificiell intelligens
Forskare får insikt i att få AI att tänka som oss
Forskare från Tokyos universitet har fått lite ny insikt om hur en artificiell intelligens (AI) kan fås att tänka som vi. Forskarna beskriver hur en robot kan läras att navigera genom en labyrint genom att elektriskt stimulera en kultur av hjärnans nervceller som är kopplade till roboten.
Den nya forskningen publicerades i Applied Physics Letters.
Nervceller som fysisk reservoar
Nervcellerna, som är neuroner, odlades från levande celler. De fungerar som den fysiska reservoaren som gör det möjligt för maskinen att konstruera koherenta signaler, som betraktas som homeostatiska signaler.
Dessa signaler informerar roboten om att miljön hålls inom ett visst område, och de fungerar som en baslinje när den rör sig fritt genom labyrinten.
I testet stördes nervcellerna i cellkulturen av en elektrisk impuls närhelst roboten svängde åt fel håll eller vände sig åt fel håll. Under alla försöken matades roboten kontinuerligt med de homeostatiska signalerna som avbröts av störningssignalerna tills den lyckades lösa labyrintuppgiften.
Att uppnå målinriktade Beteende
Enligt forskarna tyder dessa fynd på att målinriktat beteende kan genereras utan ytterligare lärande. Detta uppnås genom att sända störningssignaler till ett inbyggt system. Roboten var helt beroende av de elektriska trial-and-error-impulserna eftersom den inte kunde se omgivningen eller få sensorisk information.
Hirokazu Takahashi är docent i mekano-informatik.
"Jag blev själv inspirerad av våra experiment att anta att intelligens i ett levande system uppstår från en mekanism som extraherar en sammanhängande utdata från ett oorganiserat tillstånd eller ett kaotiskt tillstånd," sa Takahashi.
Forskarna använde denna princip för att visa att intelligenta uppgiftslösningsförmåga kan produceras genom användning av fysiska reservoardatorer, vilket möjliggör extraktion av neuronala signaler. Detta möjliggör också leverans av homeostatiska eller störningssignaler, och allt detta gör att datorn kan skapa en reservoar som förstår hur man löser uppgiften.
"En hjärna hos [ett] grundskolebarn kan inte lösa matematiska problem i ett antagningsprov, möjligen för att hjärnans dynamik eller deras "fysiska reservoardator" inte är tillräckligt rik, säger Takahashi. "Förmågan att lösa uppgifter bestäms av hur rik repertoar av rumsliga mönster nätverket kan generera."
Enligt teamet kan användningen av fysisk reservoarberäkning i detta sammanhang bidra till en bättre förståelse av hur hjärnan fungerar, och det kan leda till den nya utvecklingen av en neuromorf dator.