استارتاپی که با استفاده از نورون‌های انسان تراشه‌های کامپیوتری می‌سازد
یک استارتاپ استرالیایی سعی دارد با استفاده از نورون‌های واقعی و بیولوژیکی چیپ‌های کامپیوتری بسازد و دنیای هوش مصنوعی را متحول کند.
یکی از رویکردهای امیدبخش هوش مصنوعی، تلاش برای تقلید از نحوه‌ی عملکرد مغز انسان ازطریق نرم‌افزار است" اما اکنون استارتاپ استرالیایی Cortical Labs یک‌قدم فراتر رفته و می‌خواهد مغز مینیاتوری بسازد. هدف این استارتاپ ساخت مغز مینیاتوری با استفاده از تعبیه‌ی نورون‌های واقعی و بیولوژیکی در یک تراشه‌ی اختصاصی کامپیوتری است.
Cortical Labs امیدوار است به‌گونه‌ای مینی‌مغزهای هیبریدی را آموزش دهد که بتوانند مانند هوش مصنوعی مبتنی بر نرم‌افزار، وظایف تعریف شده را انجام دهند؛ با این تفاوت که تنها کسری از مصرف انرژی نسخه‌های دیجیتالی را داشته باشند. هان ونگ چونگ، بنیان‌گذار و مدیرعامل کورتیکال می‌گوید:
شرکت در حال کار روی مینی‌مغزهایی است که بتواند بازی آتاری قدیمی Pong را انجام دهد؛ مینی‌مغزهای ما هم‌اکنون به قدرت پردازش مغز یک سنجاقک نزدیک شده‌اند.
دستاورد Cortical Labs قابل‌توجهی است؛ چراکه پونگ جزو بازی‌های اولیه آتاری بود که شرکت دیپ‌مایند در سال ۲۰۱۳ برای نشان دادن عملکرد آلگوریتم هوش‌مصنوعی خود، از آن استفاده کرد؛ با گذشت یک‌سال از آزمایش یادشده، گوگل شرکت دیپ‌مایند را تصاحب کرد. دیپ‌مایند در اصل یک شرکت بریتانیایی هوش مصنوعی است که در سپتامبر سال ۲۰۱۰ تحت عنوان فناوری‌های دیپ‌مایند تأسیس شد. این شرکت شبکه عصبی مصنوعی با توانایی یادگیری بازی ویدئویی با راهکاری مشابه مغز انسان ایجاد کرد.
مدیرعامل Cortical Labs در ادامه می‌افزاید:
Cortical Labs برای ساخت سخت‌افزار خود از دو روش استفاده می‌کند؛ یا نورون‌های موش را از جنین استخراج می‌کند؛ یا به‌موجب تکنیکی خاص، ابتدا سلول‌های پوست انسان به سلول‌های بنیادی و سپس به سلول‌های عصبی انسانی تبدیل می‌شوند.
نورون‌ها درون مایعی مغذی روی تراشه‌های اختصاصی اکسیدفلزی جای‌گذاری می‌شوند؛ این تراشه شامل شبکه‌ای متشکل از ۲۲٬۰۰۰ الکترود کوچک است که برنامه‌نویسان را قادر می‌سازد تا ورودی‌های الکتریکی را به نورون‌ها متصل کنند و همچنین خروجی‌های آن‌ها را نیز اندازه‌گیری کنند.
هم‌اکنون Cortical Labs از نورون‌های موش برای تحقیقات بازی پونگ استفاده می‌کنند. چونگ می‌گوید: «ما سعی داریم نشان دهیم که می‌توانیم رفتار این سلول‌های عصبی را شکل دهیم». این آزمایش با پونگ آغاز شده که پیش‌بینی می‌شود Cortical Labs بتواند تا پایان سال بر آن مسلط شود؛ اما تراشه‌های ترکیبی این شرکت در نهایت می‌توانند کلیدی برای ارائه‌ی انواع استدلال‌های پیچیده و درک‌مفهمومی باشند؛ استدلالی که هوش مصنوعی امروز نمی‌تواند از پس آن برآید. راه‌حل Cortical، در صورت اثبات مقیاس‌پذیری، یک راه‌حل بالقوه برای یکی از مشکلات آزاردهنده در برابر یادگیری عمیق نیز ارائه می‌دهد که بسیار تاثیرگذار خواهد بود.
آلفاگو، سیستم عمیق یادگیری DeepMind که برای بازی Go ساخته شده است، در سال ۲۰۱۶ بهترین بازیکن جهان را در آن بازی شکست داد؛ این سیستم در حین بازی یک مگاوات انرژی مصرف کرد؛ براساس تخمین شرکت فناوری Ceva این مقدار انرژی، برق حدود ۱۰۰ خانه را در یک روز تامین‌می‌کند. در مقابل مغز انسان حدود ۲۰ وات انرژی مصرف می‌کند؛ در واقع ۵۰/۰۰۰ برابر کمتر از آلفاگو!
کارل‌فریستون دانشمند دانشگاه علوم اعصاب کالج دانشگاه لندن که به دلیل مطالعات و کار در زمینه‌ی تصویربرداری از مغز و پایه‌های نظری در مورد چگونگی سیستم‌های بیولوژیکی از جمله نورون‌ها، شهرت دارد، اوایل سال جاری پس از مشاهده‌ی فناوری Cortical Labs گفت که از کار این شرکت تحت تاثیر قرارگرفته‌است. جنبه‌های سیستم کورتیکال بر تحقیقات فریستون و برخی از دانشجویان او اتکا دارند؛ اما این متخصص علوم اعصاب هیچ‌گونه ارتباطی با استارتاپ استرالیایی ندارد.
مقالات علوم پایه و مهندسی
• نتایج پژوهشی تازه: مارها برای دفاع از خود زهر تولید نمی‌کنند
• یکی از ایده‌های اساسی داروین تایید شد
• موفقیت دانشمندان در برقراری ارتباط میان نورون‌های زیستی و مصنوعی
• ساخت نورون‌های مصنوعی با امکان تقلید از رفتار نورون‌های طبیعی
• کشف جمجمه کوچک‌ترین دایناسور جهان در کهربا
فریستون می‌گوید، همیشه ایده‌ی چگونگی سازماندهی نورن‌ها برای ساخت تراشه‌های رایانه‌ای عصبی کارآمدتر را مدنظر داشته است؛ یعنی تولید سخت‌افزاری که بهتر از تراشه‌های رایانه‌های قدرتمند امروزی، بتواند از نحوه‌ی پردازش مغز تقلید کند. فریستون اضافه می‌کند آنچه که او پیش‌بینی کرده بود، ایده‌ی ادغام نورون‌های بیولوژیکی با نیمه‌هادی نبود.
فریستون درمورد استفاده از نورون‌های بیولوژیکی واقعی گفت:
در کمال حیرت من، آن‌ها واقعا به دنبال یک چیز واقعی رفتند؛ به نظرمن آنچه این گروه توانسته انجام دهد، راه‌درست عملی‌سازی این ایده‌ها است.
استفاده از نورون‌های واقعی، بسیاری از مشکلات دیگر شبکه‌های عصبی مبتنی بر نرم‌افزار را حل‌می‌کند. برای مثال، برای اینکه شبکه‌های عصبی مصنوعی یادگیری خوبی داشته‌باشند، برنامه‌نویسان در یک فرآیند بسیار سخت و طاقت‌فرسا، باید ضرایب اولیه یا وزن‌ها را برای انواع داده‌هایی که در فرآیندهای شبکه به‌کاربرده می‌شود، به‌صورت دستی اعمال کنند. یکی دیگر از چالش‌های شبکه‌ی عصبی مبتنی بر نرم‌افزار ایجاد تعادل میان راه‌حل‌هایی است که قبلاْ در شبکه کشف شده‌اند و راه‌حل‌هایی جدیدی که باید در جستجوی آن‌ها باشیم. فریستون اضافه می‌کند که اگر شما سیستمی مبتنی بر نورون‌های بیولوژیکی داشته باشید، همه‌ی این مشکلات از بین می‌روند.
چونگ، بنیان‌گذار و مدیرعامل Cortical Labs خود پزشکی است که پیش‌تر یک شرکت فناوری حوزه‌ی بهداشت تاسیس کرده بود. او از دوسال پیش، به همراه بنیان‌گذار و مدیرارشد فناوری‌اش اندی کیچن، تحقیق در مورد روش‌های ایجاد سیستم‌های هوشمند بیولوژیکی و رایانه‌ای ترکیبی را شروع کرده بود. چونگ می‌گوید:
ما (چونگ و اندی کیچن) به ایده‌ی هوش مصنوعی عمومی (AGI) علاقه داشتیم. این هوش مصنوعی قابلیت انعطاف‌پذیری بیشتر در انجام کارها دارد؛ حتی بهتر از انسان. همه در حال ساخت AGI هستند؛ اما تنها AGI واقعی که ما از آن آگاهیم هوش بیولوژیکی و هوش انسانی است. برای ما تنها راه به‌دست‌آوردن سطح هوش انسانی، استفاده از نورون‌های انسانی بود.
نورون‌های موش که هم‌اکنون در Cortical Labs در حال آزمایش هستند، از دیرباز توسط دانشمندان علوم اعصاب به عنوان واسطه‌ی سلول‌های عصبی انسانی مورداستفاده قرارمی‌گرفت؛ چراکه روش‌های زیادی برای استخراج و کشت آن‌ها وجود دارد. توانایی مهندسی نورون‌های انسانی از سلول‌های پوستی درست در دهه‌ی گذشته به تکامل رسیده است. به‌تازگی دانشمندان در انستیتوی علوم مغز آلن در سیاتل آمریکا، تفاوت‌هایی در پروتئین‌هایی که سلول‌های موش و سلول‌های انسان را می‌پوشانند، پیدا کرده‌اند؛ بدین معنی که آن‌ها دارای خواص الکتریکی متفاوتی هستند و امکان دارد سلول‌های عصبی موش پایه‌ی خوبی برای آزمایش‌های انسانی نباشد.
چونگ اضافه می‌کند که او و کیچن از تاکویا ایزومورا الهام گرفته بودند. تاکویا ایزومورا پژوهشگری در مرکز علوم مغز RIKEN، خارج از توکیو و زیر نظر فریستون به مطالعه مشغول بود. ایزومورا در سال ۲۰۱۵ نشان داد که چگونه نورون‌های عصبی قشر مغز که روی شبکه‌ی الکترود قرارگرفته، خواهند توانست بر اثر «مهمانی شبانه» غلبه کنند. به زبان ساده‌تر می‌توانند یک سیگنال صوتی را از سیگنال دیگر جدا کنند؛ مانند مجزا کردن صدای یک‌نفر از صداهای پس‌زمینه.
اثر مهمانی شبانه (به انگلیسی: Cocktail party effect) پدیده‌ای در روان‌شناسی و شنوایی‌شناسی است؛ در آن فرد می‌تواند توجه شنوایی خود را به یک محرک خاص معطوف کند و دیگر محرک‌ها را فیلتر کند، همان‌طور که فرد در یک مهمانی شلوغ می‌تواند با شخص دیگر گفتگو کند و به بقیه صداهای مزاحم توجهی نکند.
Cortical Labs به‌طور رسمی در ژوئن سال ۲۰۱۹ تاسیس شد. این شرکت حدود ۶۱۰/۰۰۰ دلار از یک شرکت برجسته‌ی سرمایه‌گذاری در استرالیا به نام Blackbird Ventures دریافت کرد. کورتیکال تنها شرکتی نیست که روی محاسبات بیولوژیکی کار می‌کند. استارت‌آپ دیگری به نام Koniku، مستقر در سن‌رافائل کالیفرنیا، تراشه‌ی ۶۴ نورونی سیلیکونی توسعه داده است؛ این تراشه که با استفاده از نورون‌های موش ساخته شده، می‌تواند مواد شیمیایی را حس و شناسایی کند. Koniku می‌خواهد تراشه‌های موجود را در پهپادهایی که برای رهگیری موادمنفجره به نظامیان و نیروهای پلیس فروخته می‌شود، استفاده کند.
در همین حال، محققان انستیتوی فناوری ماساچوست رویکرد متفاوتی را اتخاذ کرده‌اند؛ آن‌ها از یک نوع نژاد خاص از باکتری‌ها در تراشه‌های ترکیبی، برای محاسبه و ذخیره اطلاعات استفاده کردند.
منبع : zoomit.ir
نظر شما :