Keď sa prepojí 15 živých mozgov, nechytá sa na to ani AI

 

KĽÚČOVÉ ZISTENIA:

• Austrálska firma Cortical Labs spojila 15 biologických počítačov CL1 s ľudskými neurónmi do jedného spoločného systému HIVE.

• Pri rozpoznávaní symbolov stúpla presnosť prepojených neurónových čipov z pôvodných 80 % až na 99 %.

• V navigačnom teste získali špecializované skupiny biopočítačov 80 % bodov, kým algoritmus Deep Q Network iba 32 %.

Austrálska spoločnosť Cortical Labs, ktorá stojí za prvým biologickým počítačom na svete, posunula hranice výpočtovej techniky. Na prvej medzinárodnej konferencii International Conference on Organoid Intelligence vo Washingtone D.C., predstavila nový systém s názvom HIVE. Namiesto toho, aby úlohy riešil len jeden stroj poháňaný zhlukom mozgových buniek, výskumníci prepojili 15 biologických počítačov CL1. Zistili pritom, že ľudské neuróny v týchto syntetických mozgoch pracujú v tíme oveľa efektívnejšie a inteligentnejšie.

Jednotlivé stroje CL1 v systéme HIVE si medzi sebou dokázali rozdeliť rôzne časti zadanej úlohy a našli najefektívnejšiu cestu k cieľu. Vedci pritom neuróny vypestované v laboratóriu nič také neučili, bunky na to prišli samy hneď po zapojení do väčšej siete. Ako vysvetľuje spoluzakladateľ a šéf Cortical Labs Dr Brett Kagan, príroda rieši zložité problémy kolektívne, podobne ako mozog rozdeľuje informácie do špecializovaných oblastí alebo úľ spolieha na prácu mnohých včelých robotníc. Platforma CL1 teraz umožňuje preniesť tento princíp do biologických výpočtov v mierke, ktorá prekonáva fyziologické limity.

Takéto prepojenie prináša okrem škálovateľnosti aj vyššiu stabilitu celého systému. Keďže ide o živé bunky, jedna skupina neurónov môže mať v jeden deň plný výkon a na druhý deň zasa poľaviť. Vedec Johnson Zhou z Cortical Labs pripomína, že pri spolupráci viacerých kultúr majú tieto individuálne výkyvy menší vplyv na celkový výsledok a systém si zachováva adaptabilitu. Zdieľanie záťaže navyše zabezpečí, že celok beží ďalej, aj keď jedna zo skupín buniek z akéhokoľvek dôvodu prestane reagovať.

Rozdiel sa ukázal priamo v praktických testoch, hoci autori upozorňujú, že ide zatiaľ o predbežné výsledky obmedzené dizajnom experimentu. V teste zameranom na rozpoznávanie symbolov zvýšilo prepojenie siedmich biologických počítačov presnosť výsledkov z približne 80 % na 99 %. Druhý test spočíval v navigovaní virtuálnej postavy cez mriežku k cieľu, pričom súperom bol konvenčný algoritmus umelej inteligencie Deep Q Network, skrátene DQN. Zatiaľ čo DQN dosiahol len asi 32 % maximálneho skóre a najlepší samostatný počítač od Cortical Labs získal 40 %, pri spoločnom rozhodovaní viacerých biopočítačov skóre vyskočilo na zhruba 70 %.

Keď vedci úlohu rozdelili medzi špecializované biopočítačové skupiny, úspešnosť stúpla dokonca na približne 80 %. Výskumný tím chce teraz preskúmať, ako presne si neuróny naprieč prepojenými strojmi posielajú signály a spracúvajú spätnú väzbu. Zároveň plánujú otestovať, či pridanie ďalších prepojení posunie výkon ešte ďalej. Okrem samotných praktických aplikácií predstavuje tento typ systému aj energeticky oveľa úspornejší spôsob využívania strojového učenia.

PREČO JE TO DÔLEŽITÉ: Prepojenie živých ľudských neurónov do kolektívnej siete prináša stabilnejšie, presnejšie a energeticky úspornejšie výpočty, ktoré v testoch prekonávajú bežné algoritmy umelej inteligencie.

Zdroj: newatlas.com foto: ChatGPT