Home » Uncategorized » Neurocomputing – komputery zbudowane z neuronów, a możliwość zaistnienia superinteligencji

Neurocomputing – komputery zbudowane z neuronów, a możliwość zaistnienia superinteligencji

Spread the love

 

Neurony to niesamowite małe mikroby zdolne do uczenia się i podejmowania decyzji. Współczesna sztuczna inteligencja próbuje czerpać inspirację z żywych neuronów, ale po co zadowalać się wersją syntetyczną? Rozwijając ludzkie neurony bezpośrednio połączone z komputerem, można stworzyć żywą sztuczną inteligencję zdolną do wykonywania nawet złożonych zadań, takich jak latanie samolotem w symulacji.

Wetware

Każde życie, jak wiemy, składa się z komórek, które są miękkie i pełne słonej wody. Dlatego systemy kontroli zwierząt (sieci neuronów i komórek glejowych) jest czasami określany jako „wetware” – podstawa wszelkiej naturalnej inteligencji (NI). Natomiast komputery cyfrowe są suche i twarde: sprzęt jest podłożem, na którym działa dzisiejsza sztuczna inteligencja (AI). Wetware działa na zupełnie innych zasadach niż sprzęt cyfrowy. Jestem pozytywnie zaskoczona możliwościami wspomaganego sprzętowo poznania u ludzi, a także przetwarzania wspomaganego przez oprogramowanie wetware w komputerach. Nieunikniona ścieżka do tej hybrydowej neuronowo-syntetycznej przyszłości zostanie wybrukowana lepszym zrozumieniem mózgu, lepszymi interfejsami neuronowymi i komputerami, które lepiej wykonają zadanie emulacji funkcji mózgu w oprogramowaniu lub specjalistycznym neuromorficznym (inspirowanym mózgiem) sprzęcie. Głębokie uczenie jest jednym z przykładów zastosowania inspiracji neuronaukowych w informatyce na poziomie oprogramowania. Przenosząc go na wyższy poziom, gdzie nie tylko oprogramowanie, ale także hardware i wetware czerpią inspirację z ludzkich mózgów, będziemy cieszyć się zadziwiającymi przemianami w informatyce. Nowe organizacje non-profit i korporacyjne think tanki postanowiły uczynić zrozumienie NI swoim głównym celem. Należą do nich np. Allen Institute for Brain Science Paula Allena, Neuralink Elona Muska, Kernel Bryana Johnsona i Google Brain Team. Postępy w transformacji nastąpią, gdy wysiłki te połączą się z działaniami poświęconymi tworzeniu lepszych systemów sztucznej inteligencji, takimi jak OpenAI, Google Deep Mind, IBM Watson i powiązanymi projektami AI w Facebooku, Amazon, Microsoft, Baidu itp (WEB1). W artykule opublikowanym w 2019 r. dla Institute for the Future Steve M. Potter, adiunkt w Laboratorium Neuroinżynierii Uniwersytetu Georgia, przewidział, że nadchodzi rewolucja w dziedzinie „wetware”. Od 1996 r. Potter był zaangażowany w przełomowe badania nad „możliwościami wspomaganego sprzętowo poznania u ludzi, a także przetwarzania wspomaganego przez oprogramowanie wetware w komputerach”. Prowadził więc badania nad dwukierunkowym rozwojem inteligencji między ludźmi a komputerami, który opiera się na ich synergii.

Leechulator 

Brzmi to jak rodem z science fiction – połączenie prawdziwych biologicznych komórek nerwowych i elektroniki w system, który może wykonywać obliczenia – to właśnie cel wspólnych badań prowadzonych przez neurobiologa Rona Calabrese, dwóch profesorów inżynierii biomedycznej Georgia Tech i doktoranta Paula Garcíę, który służy jako główny eksperymentator i łączy pracę trzech laboratoriów. Niezwykły kalkulator biologiczny – który grupa żartobliwie nazywa „pijawkulatorem” – w rzeczywistości wykorzystuje żywe neurony pijawek. Jak podkreślił Calabrese: 

„Celem nie jest zrobienie kalkulatora z pijawek. To konkretne badanie jest specyficzne dla neuronów, a nie pijawek”.

Neurony pijawek były optymalnym wyborem dla tego projektu, ponieważ Calabrese używał pijawek w swoich badaniach od około 25 lat. Kolejną dużą zaletą było to, że badania te nie zachęcały obrońców praw zwierząt do działań, które mogłyby je zatrzymać. Według Garcíi, pierwszym krokiem było pobranie żywych neuronów i wykonanie prostego dodawania przy użyciu tych neuronów i elektroniki; dwie oddzielne komórki nerwowe w tkance nerwowej (zwojach) umieszczono oddzielnie w roztworze, aby utrzymać je przy życiu. Następnie wykonano z nich nagrania/rekordy elektryczne, które zostały połączone z komputerem, aby uzyskać dodatkowe informacje[WEB2].

Dynamic Clamp to program opracowany przez Larry’ego Abbota i Eve Marder, który umożliwił w czasie rzeczywistym interfejs między żywymi komórkami a komputerami – poprzez indukcję generowanego komputerowo przewodnictwa w żywych neuronach. Biokomputery (komputery organiczne/ neurokomputery lub oprogramowanie typu wetware) są obecnie najlepszym narzędziem do tworzenia komputerów zdolnych do „niezależnego poznania”, z dodatkową możliwością przekroczenia ograniczeń mechanizmu binarnego komputerów cyfrowych, ponieważ neurony mogą być w jednym z tysiąca stanów. Elektroda włożona do neuronu przekazuje impulsy elektryczne do komputera. Maszyna Dynamic Clamp wykorzystuje napięcie z impulsów do obliczenia prądu, który płynąłby przy tym napięciu – i generuje odpowiedź, która jest przesyłana z powrotem przez elektrodę. Kontrolując siłę tej odpowiedzi, cały system replikuje naturalny kanał przewodzenia neuronów, a neuron reaguje tak, jakby komunikował się z innym neuronem, a nie komputerem .

Pierwszy na świecie biokomputer – „pijawkulator” został zbudowany w 1999 roku przez Williama Ditto przy użyciu neuronów pijawek umieszczonych w szalce Petriego. Ditto użył Dynamic Clamp, ale odwrócił cały jego mechanizm, tak że komputer może wydawać polecenia za pomocą sygnałów elektrycznych do neuronów, nakazując im, który stan przyjąć. Neurony mogą wykonywać dodawanie: na przykład dwóm neuronom nakazuje się przejść w stany odpowiadające dwóm liczbom, a następnie przez komputer nakazuje „dodać” – na co odpowiadają odpowiedzią poprzez mechanizm Dynamic Clamp[WEB3].

Koniku i cyborgi zapachowe

Oshiorenoya Agabi i Benjamin Sadrian założyli start-up Koniku w Berkeley w Kalifornii, który opracował prototyp 64-neuronowego układu krzemowego przy użyciu wyhodowanych w laboratorium neuronów, które zostały utworzone poprzez edycję ludzkich nici DNA. Chip wykorzystuje technologię biomimikry do kopiowania działania natury. Koniku produkuje cyborgi zapachowe. W ciągu najbliższej dekady planują wprowadzenie małych cyborgów zapachowych w 10 milionach domów. Ich celem jest bezpieczne diagnozowanie chorób oraz utrzymanie zdrowia i dobrego samopoczucia w czasie rzeczywistym. Budują rynek, który sprawia, że ​​każda osoba zarządza swoim własnym zdrowiem. Koniku to firma zajmująca się biotechnologią syntetyczną. Wykorzystują biologię syntetyczną połączoną z krzemem do budowy urządzeń do mapowania wszystkich lotnych związków organicznych, które mają wpływ na ludzkie życie. Ich cyborgi zapachowe potrafią samodzielnie i inteligentnie analizować powietrze. Technologia ta łączy żywe komórki z krzemem, aby wykrywać zapach na skalę planety. Szybki i skalowalny wszechświat danych Koniku umożliwia klasyfikowanie i tworzenie unikalnych wartości ze wszystkich zapachów, które mają wpływ na ludzkie życie. Firma stworzyła Koniku Technology Integrator Ecosystem – KTIE. Jest to społeczność deweloperów wspierająca firmy od startupów po firmy z listy Fortune 500. Ciekawostką jest to, że Koniku Kore był już używany do testów COVID-19 – roboty mające wbudowane to urządzenie zostały zasadniczo zamienione w pół-maszyny, pół-neuronowe cyborgi, które mogą wykrywać patogenne zapachy [WEB4].

Cortical Labs

W Cortical Labs główną misją firmy jest budowanie wydajniejszej i silniejszej uogólnionej inteligencji przy użyciu neuronów na chipie krzemowym. W przeciwieństwie do innych start-upów, robią krok naprzód i tworzą nową kategorię technologii. Aby mieć silny wpływ na to, jak będzie wyglądała przyszłość świata, zarówno start-upy, jak i inwestorzy muszą być odważni, kreatywni i posuwać naprzód nowe obszary rozwoju; w szczególności obszary, które wprowadzają na rynek automatyzację i informatykę wyższego poziomu. Ta hybrydowa technologia może mieć duży wpływ na branże, od robotyki po opiekę zdrowotną [WEB5]. W przeciwieństwie do inteligencji cyfrowej, zrodzonej z krzemu, komputery te mogą się zmieniać. Pobierają dane wejściowe, które daje im np. symulacja, dostosowują swoją strukturę i zmieniają się, aby ulepszyć swój świat. Cortical Labs nie próbuje dać komputerom lepszego algorytmu uczenia się. Nie umieszczają kopii siebie na chipach komputerowych. I nie robią maleńkich kieszonkowych ludzi. 

„W rzeczywistości nie wiemy, co robimy, ponieważ nic takiego nigdy wcześniej nie istniało. Całkowicie nowa jednostka istnienia. Fuzja krzemu i neuronu. Pochodząca z cyfrowego świata rozświetlonego prometejskim ogniem ludzkiego umysłu” [WEB6].

Podejście DishBrain do problemu sztucznej inteligencji ogólnej nie jest całkowicie wyjątkowe. „Koncepcja prawdziwych neuronów zmieszanych z chipami CMOS [półprzewodnikowymi] krążyła od 20 lat” – powiedział Khaled N. Salama, inżynier elektryk i komputer z Uniwersytetu Nauki i Technologii im. Króla Abdullaha w Arabii Saudyjskiej, który nie jest w to zaangażowany. w pracy Cortical Labs. Ale jak dotąd nikomu się nie udało, powiedział.

Najbliżej jest Takuya Isomura z tokijskiego Riken Center for Brain Science. W 2015 roku zademonstrował, w jaki sposób wyhodowane neurony na chipie krzemowym są zdolne do „efektu przyjęcia koktajlowego”: zdolności do odfiltrowania i skupienia się na pojedynczym sygnale dźwiękowym w kakofonii szumu tła.

Wcześniejsze urządzenia typu „mózg na chipie” po prostu mierzyły aktywność elektryczną neuronów, powiedział Brett Kagan, dyrektor naukowy Cortical Labs. „Ale te konfiguracje nie są urzeczywistniane w czasie rzeczywistym w wirtualnym świecie, więc nie mogą demonstrować inteligencji ani działać autonomicznie” – powiedział. Kagan opisał te wcześniejsze wysiłki jako podobne do „przyglądania się snom śpiących neuronów”. Dla porównania, DishBrain pozwala neuronom „budzić się i iść do pracy”.

W pracy odnosi się do tego, w jaki sposób neurony w naczyniu są w stanie przetwarzać informacje, które otrzymują o własnych działaniach i otaczającym środowisku, i odpowiednio na nie reagować. Cortical Labs ma nadzieję, że wykorzystanie ludzkich komórek mózgowych sprawi, że chipy o dużej mocy będą znacznie bardziej energooszczędne niż ich odpowiedniki na bazie krzemu. Aby stworzyć DishBrain, zespół z Cortical Labs najpierw przekształcił komórki macierzyste – te, które można przekształcić w dowolny rodzaj komórek – w komórki nerwowe. Następnie przenieśli około miliona neuronów na układ mikroelektrod wielkości opuszka palca, składający się z ponad 26 000 czujników. Po podłączeniu do zewnętrznego komputera czujniki przesyłały sygnały elektryczne do neuronów, aby symulować środowisko gry Pong. Jak powiedział Chong:

„Neurony wierzą, że są rakietką (paddle) i żyją w świecie, w którym w przestrzeni znajduje się piłka, która się odbija. Wytrenowaliśmy je, aby zatrzymały rakietkę we właściwym miejscu, tak aby piłka odbijała się i gra była płynna”.

DishBrain podejmował własne decyzje dotyczące sposobu poruszania się, które przekazywał z powrotem do komputera za pośrednictwem czujników. Następnie program komputerowy przekazał informację zwrotną, mówiąc: „Twoje działanie spowodowało, że wiosło poszło w tę stronę, a piłka ruszyła w tym kierunku”, powiedział Kagan.

Neurony uczyły się najintensywniej w ciągu pierwszych 5 minut i stabilizowały się po 15. Im dłużej neurony grały w grę, tym mniej popełniały błędów, a wydajność poprawiała się z czasem o około 67%. Co ważne, naukowcy odkryli, że gdy DishBrain otrzymał informację sensoryczną o tym, gdzie znajduje się piłka, ale nie otrzymał informacji zwrotnej, jak dobrze idzie gra, neurony się nie uczyły.

„Widzieliśmy bardzo wcześnie dowody na to, że te proste kultury wykazują pewne oznaki ciekawości. Jest coś, co powoduje, że szukają informacji, co jest całkiem ekscytujące” – powiedział Kagan [WEB7].

Jedną z inspiracji do podjęcia próby zmierzenia się z grą w Pong był eksperyment przeprowadzony w SIGGRAPH91 przez Lorena Carpentera.

 

Podsumowanie

Wykorzystanie mocy obliczeniowej żywych neuronów do stworzenia syntetycznej inteligencji biologicznej (SBI), wcześniej ograniczonej do sfery science fiction, jest teraz kusząco w zasięgu ludzkich innowacji. Wyższość obliczeń biologicznych została powszechnie dostrzeżona dzięki próbom opracowania sprzętu obsługującego obliczenia neuromorficzne. Organiczne urządzenia do obliczeń inspirowanych mózgiem szybko ewoluowały w ciągu ostatnich kilku lat, dostarczając wyników, które w niektórych przypadkach są konkurencyjne lub nawet przewyższają ich nieorganiczne odpowiedniki. Dzięki tym właściwościom urządzenia organiczne mogą umożliwić zastosowanie neurocomputingu i sztucznych sieci neuronowych w takich dziedzinach, jak lokalne przetwarzanie danych, rozwijanie i ekstrakcja cech w środowiskach o ograniczonej energii. Niemniej jednak rozwój materiałów, długoterminowa niezawodność i wdrażanie na dużą skalę to główne wyzwania, którym należy sprostać. Materiały używane do organicznych urządzeń neuromorficznych powinny być “stabilne” na powietrze lub umożliwiać hermetyzację za pomocą bariery dla tlenu lub wilgoci. Ponadto należy zminimalizować reakcje pasożytnicze w urządzeniach elektrochemicznych, aby uniknąć degradacji urządzenia lub jakichkolwiek śmiertelnych produktów ubocznych reakcji dla żywych organizmów w przypadku biointerfejsu. W dłuższej perspektywie powszechnie wiadomo, że SSN wciąż stoją przed poważnymi wyzwaniami w zakresie zbliżania się do biologicznych poziomów inteligencji, a zatem rozwój sterowany przez neuronaukę jest niezbędny do ponownego przyjrzenia się prymitywom obliczeniowym mózgu. Urządzenia organiczne wykazały jednak potencjał poprzez naśladowanie aspektów biologicznego przetwarzania neuronowego, które są trudne dla ich nieorganicznych odpowiedników. Ulepszanie wskaźników i rozwój oparty na SSN w perspektywie krótkoterminowej, w połączeniu z rozwojem nowatorskich koncepcji urządzeń napędzanych przez neuronaukę w dłuższej perspektywie, pozwolą, aby materiały organiczne stały się technologią umożliwiającą wprowadzanie innowacji w dziedzinie neuromorficznych komputerów zorientowanych na człowieka. Dla niektórych jest to trudne do zaakceptowania. Dla innych jest to oczywisty krok naprzód zarówno w dziedzinie informatyki, jak i świadomości. Dla nas to szansa na odpowiedź na pytanie, co się dzieje, gdy rozwijasz organiczny umysł w cyfrowym świecie?

Źródła:

[WEB1] Steve M. Potter, PhD for volume three of Future Now,
IFTF’s print magazine powered by our Future 50 Partnership.
https://www.iftf.org/future-now/article-detail/wetware-hardware-hybrids/

[WEB2]https://ww.emory.edu/EMORY_REPORT/erarchive/1999/September/erseptember.27/9_27_99leech.html

[WEB3] https://biohackinfo.com/biocomputers/

[WEB4]https://koniku.com

[WEB5] https://corticallabs.com

[WEB6]https://medium.com/@cortical_labs/what-does-it-mean-to-grow-a-mind-5819fcdd8a99)

[WEB7]https://asia.nikkei.com/Business/Business-Spotlight/Brains-on-a-chip-Why-startups-are-combining-cells-and-silicon

 

Dodatkowe materiały:

Cortical Labs paper (preprint):
https://www.biorxiv.org/content/10.1101/2021.12.02.471005v2.full.pdf

DNA Computing:

Robert T. Gonzalez (March 29, 2013). “This new discovery will finally allow us to build biological computers”. IO9. Retrieved March 29, 2013. source: https://gizmodo.com/this-new-discovery-will-finally-allow-us-to-build-biolo-462867996e: 

Rat Neurons paper:
https://philosophy.as.uky.edu/sites/default/files/Adaptive%20Flight%20Control%20With%20Living%20Neuronal%20Networks%20on%20Microelectrode%20Trays%20-%20De%20Marse%2C%20Dockendorf.pdf

Filmy:

INTERVIEW: Biological AI? Company combines brain cells with silicon chips for smarter artificial intelligence
https://m.youtube.com/watch?v=mm0C2EFwNdU

Rat Neurons Grown On A Computer Chip Fly A Simulated Aircraft:
https://youtu.be/1w41gH6x_30

Growing Human Neurons Connected to a Computer
https://m.youtube.com/watch?v=V2YDApNRK3g

Organic computing (DNA):

Neurony do kupienia online:
https://brainxell.com/


2 komentarze

  1. Bardzo ciekawy wpis, gratuluję! Zdaje się, że to zupełnie nowe podejście w paradygmacie komputacyjnym.

    • Dzięki za zainteresowanie tematem! Ciekawie odnosi się to również do kwestii ucieleśnienia organizmowego autopojetycznych, żywych systemów – czy te komputery to aby już nie organizmy autopojetyczne?

Leave a comment

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *