Biyolojik-Elektronik Hibrit Bilgisayar Sistemi, Gözetimsiz Öğrenme Yeteneğini Sergiledi
Dünyanın en büyük teknoloji şirketleri, biyolojik bilgisayarları taklit edebilen bilgisayarlar tasarlamak konusunda takıntılı. Ancak bugünkü gelişmiş yapay zeka sistemlerini inşa etmek pahalı ve enerji tüketimi yüksektir. Araştırmacılar, biyolojik bilgisayarların daha verimli bir AI ile çalışmanın yeni bir yolunu sunabileceğine inanıyor. Indiana Üniversitesi’nden bir ekip, bunun nasıl çalışabileceğini gösterdi. Feng Guo ve ekibi, laboratuvarda küçük beyinler yetiştirdi ve bunları konuşmayı tanıyan bir AI algoritmasını eğitmek için kullandı.
Silikon tabanlı bilgisayarlar, sayıları işlemede beyinden daha iyidir, ancak insan beyni karmaşık bilgi işleme ve anlama konusunda hâlâ üstündür ve bilgisayarlarla kıyaslanamaz. Indiana Üniversitesi ekibi, biyolojik ve elektronik işleme birleştirilerek hibrit bir sistem oluşturup oluşturamayacaklarını görmek istedi.
Brainoware adını verdikleri bir düzenek tasarladılar. Biyolojik element, laboratuvarda yetiştirilmiş bir dizi nöron içeren küçük bir beyin olarak adlandırılan cerebral organoid olarak bilinir. Bir organoid birkaç milimetre çapında olabilir ve 100 milyon beyin hücresinden oluşabilir, yani bir insan beyninin yaklaşık 1.000 katı daha az. “Mini-beyinler”, sinir hücrelerinin kümeleşmelerinden elektrik sinyali gönderip alabilen mikroelektrot dizisi üzerine yerleştirildi. Bu, Brainoware’ın biyolojik ve teknolojik bileşenlerinin etkileşime girmesine izin verdi.
Elektriksel Uyarılarla Eğitilen Biyolojik-Elektronik Hibrit Sistem Konuşma Tanıma Yeteneği Gösterdi
Elektriksel uyarılar organoidlere gönderildiğinde, onlar da nöral ağda değişiklikler yaparak yanıt verir. Ekip, sistemin veri işleyebildiğini göstermek için basit bir test geliştirdi. 8 kişinin Japon ünlülerini içeren 240 ses kaydını elektrik sinyallerine dönüştürdüler ve bunları Brainoware’a gönderdiler. Sistem, belirli bir sesi tanımlaması gerekiyordu ve başlangıçta bunu sadece zamanının %30-40’ında başardı. Zaman içinde ağın daha iyi yapmayı öğrendi ve %70-80 doğruluk oranına ulaştı.
Araştırmacılar, verilere önceden etiket koymadı, bu yüzden bu, gözetimsiz öğrenmenin bir örneğidir. Ve görünüşe göre mini-beyinler öğreniyor. Kültüre edilmiş hücrelere yeni sinaps oluşumunu durduran ilaçlarla tedavi edildiğinde doğruluk düzelmedi, New Scientist’in raporuna göre.
Bu etkileyici bir sonuç, ancak Brainoware sadece bir konsept kanıtıdır. Bu bilgisayar yaklaşımı şu anda geleneksel bilgisayarlamaya göre çok daha yavaş ve daha az hassas. Örneğin, hücreler bir sesi tanımak öğrenebilir, ancak söylenen şeyi anlamak başka bir konudur. Bu, Nature Electronics’te yayımlanan araştırma, gelecekte daha verimli biyolojik bilgisayarların yolunu açabilir.
YORUMLAR