Ученые впервые доказали, что живые нервные клетки можно обучить выполнять задачу, типичную для систем искусственного интеллекта.
Современный ИИ обычно опирается на искусственные нейронные сети — математические модели, вдохновленные работой мозга. Для обработки сигналов, меняющихся во времени, например речи, движений или сенсорных данных, часто используют подход под названием reservoir computing, или «резервуарные вычисления». Его идея в том, что сложная рекуррентная сеть сама создает богатую внутреннюю динамику, а обучать нужно в основном только выходной слой, который считывает результат. Такой метод особенно удобен для решения задач, где важна последовательность событий во времени.
До сих пор оставался открытым вопрос: можно ли использовать в качестве такого «резервуара» не искусственную, а живую нейронную сеть? Чтобы это проверить, специалисты Университета Тохоку и Университета будущего в Хакодате вырастили биологические нейронные сети из корковых нейронов крысы и подключили их к вычислительной схеме. Электрическая активность нейронов записывалась, преобразовывалась в непрерывный сигнал, после чего специальный алгоритм обучения FORCE подстраивал выход системы, сравнивая его с целевым шаблоном и возвращая обратную связь обратно в сеть.
Важной частью работы стали микрофлюидные устройства, которые позволили точно направлять рост нейронов и управлять связями между ними. Это помогло избежать чрезмерной синхронизации — состояния, когда все нейроны начинают работать слишком одинаково, а вычислительные возможности сети снижаются.
Источник: hi-tech.mail.ru