AI와 인간의 뇌세포를 결합한 사이보그 컴퓨터가 실제로 작동한다

인공지능이 인간의 뇌세포와 만나는 세상에 대해 생각해 본 적이 있나요? 시간이 지남에 따라 기술이 발전하고 놀라워지고 있지만 이는 먼 미래의 일처럼 보일 수 있습니다. 하지만 이 시나리오는 그 어느 때보다 더 현실적이고 현실적으로 느껴집니다.

연구자들은 기본적으로 다음을 사용하여 뇌를 만들었습니다. 줄기 세포 그리고 그걸로 연결했어 인텔리 전시 아 인공, 일종의 생성 사이보그 컴퓨터. 앞으로 몇 가지 어려움이 있음에도 불구하고 우리는 수십 년 전에 많은 사람들이 상상했던 방식으로 인간과 인공 지능이 혼합되는 새로운 기술 시대에 곧 진입할 것으로 보입니다.

최초의 하이브리드 컴퓨터

2010년대에 연구자들은 줄기세포로부터 뇌 유기체를 개발하기 시작했습니다. 따라서 우리는 이러한 세포가 의료 분야에 혁명을 일으키기 위해 무엇을 할 수 있는지 더 이상 알 수 없습니다.

복잡한 신경 질환을 더 잘 이해하기 위해 첨단 유도만능줄기세포(iPSC) 기술을 사용하여 3D 모델을 생성하고 있습니다. 이는 특히 마우스 모델이 인간화 서열로 강화된 경우에도 알츠하이머병의 특성을 완전히 복제할 수 없기 때문에 매우 중요합니다. 따라서 기본적으로 실험실에서 생성된 "미니 뇌"와 같은 이러한 대뇌 오가노이드는 퇴행성 질환의 영향을 받는 뇌의 환경을 모방할 수 있을 뿐만 아니라 성상교세포, 혈관 및 조절 장애가 있는 소교세포와 같은 중요한 부분도 포함합니다. 이는 질병이 어떻게 진행되는지 이해하는 데 중요합니다. 또한, 새로운 의약품 연구에도 매우 유용합니다.

이제 우리가 그것들을 인공 지능과 결합하면 컴퓨터 연구에서 매우 흥미로운 파트너십이 만들어집니다. 이러한 결합은 신경학적 상태에 대해 우리가 알고 있는 정보를 향상시킬 뿐만 아니라 우리가 기계 학습 기술에서 매우 흥미로운 단계에 진입하고 있음을 나타냅니다. 이를 염두에 두고, 연구진은 인디애나 대학교 블루밍턴(UIB), 미국에서는 줄기세포에서 뇌 오가노이드를 배양하고 이를 인공지능과 정밀하게 결합해 상당한 성과를 거뒀다.

처음에는 51%의 정확도로 생성되고 호출되는 사이보그 컴퓨터가 됩니다. 브레이노웨어, 테스트에서 지속적인 진전을 보였으며 특히 엄격한 교육을 받은 후 78%의 정확도를 달성했습니다. 기본적으로 이러한 결과는 AI 컴퓨터가 전기적 자극을 받으면 학습하고 적응하는 능력을 가질 수 있음을 나타냅니다. 그 능력은 경험이나 부상에 반응하여 스스로를 재구성하는 뉴런의 능력을 강조하는 특성인 신경 가소성과 연관되어 있는 것으로 제안되며, 이는 컴퓨팅 장치에 바람직한 특성입니다.

실제 적용

그러나 실제로 모든 일이 어떻게 일어 났습니까? 테스트 목적으로, 브레이노웨어 음성 인식 작업을 받았고 소리를 식별해야 했습니다. 일본어 모음을 발음하는 240명의 화자의 XNUMX개 오디오 조각으로 그는 응답했고, 인공 지능은 뇌 유기체의 신경 신호를 기반으로 화자를 예측하도록 훈련되었습니다.

그는 음성 인식 능력 외에도 다음과 같은 상황을 예측하는 데도 어려움을 겪었습니다. 에농 지도, 약간 혼란스러운 것으로 알려진 수학적 모델입니다. 놀랍게도 그 성능은 브레이노웨어 이는 알려진 정보를 기반으로 예측하는 데 사용되는 기존 선형 회귀 기술보다 훨씬 뛰어났습니다. 일반적인 물리적 특성을 평가하기 위해 공간 정보 처리 및 임시 기억을 포함한 다른 테스트가 수행되었습니다. 이는 다양한 시간과 전압으로 펄스 자극에 대한 ONN(인공 신경망)의 반응을 분석하여 만들어졌으며 이는 엄청난 다양성을 강조했습니다.

게다가 AI 컴퓨터는 입력 레이어, 저장소, 출력 레이어로 구성된 컴퓨팅 모델의 일부이기도 했습니다. 과학자들은 인간 줄기 세포로 만든 "미니 뇌"인 대뇌 유기체를 전극으로 가득 찬 매트릭스에 배치하여 이 모델을 만들었습니다. 그것은 다양한 뇌 세포와 전기적 활동을 보여주는 처리 센터로 기능했습니다. 신호는 입력층에 의해 오가노이드로 전송되어 시간이 지남에 따라 시간 정보를 전기 패턴으로 변환했습니다.

결과

더 복잡한 과제에서는 브레이노웨어 이는 이전에 알려진 방법을 능가했으며 오가노이드에 대한 중요한 의존성을 입증했습니다. 그것이 부족하여 회귀 분석에서 0점을 얻었으며, 이는 시스템의 효율적인 기능에 대한 오가노이드 기여의 결정적인 중요성을 강조했습니다. 훈련 중 기능적 연결성의 리모델링은 비지도 학습의 유발을 명확하게 나타냅니다. 이는 훈련 중에 미니 뇌(유기체)의 여러 부분 사이의 연결이 변경되었음을 의미하며, 이는 훈련 과정이 각 개인에 대한 직접적인 감독 없이 시스템이 자체적으로 조정하는 학습 형태를 촉발했음을 나타냅니다. 변화. 이러한 적응 능력은 연구의 맥락에서 흥미로운 특징입니다.

그러나 유망한 발전에도 불구하고 인간 컴퓨터 접근 방식은 예상했던 대로 여전히 심각한 과제에 직면해 있으며 결국 우리는 여전히 인공 지능의 발견 단계에 있다는 점을 강조하는 것이 중요합니다. 오가노이드의 생성 및 유지 관리, 주변 장치의 에너지 소비, 평평하고 견고한 다중 전극 어레이의 사용, 효율적인 데이터 관리 도구의 부족은 극복해야 할 장애물을 나타냅니다.

그럼에도 불구하고 이 시나리오에서는 뇌에서 영감을 받아 개인화되고 효율적인 시스템이 개발될 수 있는 미래를 볼 수 있습니다. 고급 뇌-기계 인터페이스와 향상된 데이터 관리 소프트웨어를 통해 더 큰 적용성과 정확성을 달성하여 차세대 인공 지능 기술을 형성할 것으로 기대됩니다.

뇌세포를 탑재한 AI는 더욱 진보되고 혁신적인 바이오컴퓨팅 네트워크 개발의 출발점으로 해석될 수 있다.

Showmetech 채널에서 비디오 보기:

참조 : 수화를 실시간으로 번역하는 인공지능을 개발한 학생

출처 : 자유 사상, 라비 오텍

검토자 글라우콘 바이탈 29년 1월 24일.