سلول‌های مغزی سریع‌تر و کارآمدتر از هوش مصنوعی یاد می‌گیرند

شبکه‌های عصبی زیستی در شرایط محدودیت داده بهتر از الگوریتم‌های یادگیری تقویتی عمل می‌کنند.

به گزارش تابش کوثر، نتایج یک پژوهش تازه نشان می‌دهد که سلول‌های مغزی در آزمایشگاه، حتی در شرایط محدودیت زمانی و داده، سریع‌تر و کارآمدتر از الگوریتم‌های پیشرفته یادگیری تقویتی عمل می‌کنند.

این تحقیق توسط شرکت استرالیایی «کورتیکال لبز» و با استفاده از نخستین رایانه زیستی تجاری جهان انجام شده است.

مطالعه‌ای که در نشریه «سیستم‌های سایبورگ و بیونیک» منتشر شده، برای نخستین بار سامانه‌ای به نام «دیش‌برین» را که یک هوش زیستی مصنوعی (SBI) است، با الگوریتم‌های یادگیری تقویتی پیشرفته مانند DQN، A2C و PPO مقایسه کرده است.

نتایج نشان می‌دهد که شبکه‌های عصبی ساده آزمایشگاهی در شرایط محدود نمونه‌برداری، سرعت یادگیری و بهره‌وری بهتری نسبت به هوش مصنوعی پیشرفته دارند.

این تحقیق توسط استارت‌آپ ملبورن‌محور «کورتیکال لبز» با استفاده از رایانه زیستی «CL1» انجام شد. این دستگاهی نورون‌های پرورش‌یافته از سلول‌های بنیادی انسانی را با تراشه سیلیکونی ترکیب کرده و نوعی هوش زیستی پایدار ایجاد می‌کند.

«دیش‌برین» با اتصال نورون‌های زنده به آرایه‌های چندالکترودی و اجرای تعامل‌های زنده در محیط‌های بازی، الگوهای یادگیری و تغییرات شبکه را آشکار کرده است.

برت کاگان، مدیر علمی «کورتیکال لبز»، گفت: «با وجود پیشرفت‌های هوش مصنوعی، ما معتقدیم هوش واقعی زیستی است. این پژوهش نشان داد که حتی سامانه‌های ابتدایی زیستی می‌توانند با الگوریتم‌های پیشرفته رقابت کنند. این گام مهمی در درک پیوند فعالیت عصبی با پردازش اطلاعات و رفتار  انسان است.»

معین خواجه‌نژاد، پژوهشگر ایرانی این تیم گفت: «این نخستین بار است که مقایسه‌ای مستقیم بین سامانه‌های زیستی مصنوعی و یادگیری تقویتی عمیق در شرایط محدود نمونه انجام می‌شود. در این شرایط، شبکه‌های زیستی نه تنها سریع‌تر بلکه پایدارتر و کارآمدتر یاد می‌گیرند.»

پژوهشگران با فشرده‌سازی داده‌های فعالیت الکتریکی نورون‌ها، تفاوت‌های بین حالت «استراحت» و «بازی» را شناسایی کردند و دریافتند این تغییرات نشان‌دهنده بازآرایی واقعی و کارکرد شبکه‌های عصبی در پاسخ به بازخوردهاست.

این مطالعه با همکاری «مؤسسه ترنر برای مغز و سلامت روان» دانشگاه موناش استرالیا، «آکادمی پژوهشی IITB-Monash» در هند و «مرکز ولکام برای تصویربرداری عصبی انسانی» دانشگاه کالج لندن انجام شد.

هیدئاکی یاماموتو، استاد دانشگاه توهوکو ژاپن، گفت: «سامانه‌های زیستی مصنوعی می‌توانند درک جدیدی از بستر فیزیکی محاسبات مغز ارائه دهند و افق‌های تازه‌ای در محاسباتی که مغز در آن‌ها برتری دارد، باز کنند. توسعه رایانه زیستی CL1 در مدت کوتاهی بسیار شگفت‌انگیز است.»

م/۱۱۰*

کد خبر 141972

نظر شما

شما در حال پاسخ به نظر «» هستید.
captcha