Κυριακή, 5 Απριλίου 2020

Μίνι εγκέφαλος με βιολογικούς νευρώνες, συνδέθηκε με την τεχνητή νοημοσύνη. Computer chips που χρησιμοποιούν ανθρώπινους νευρώνες αποκτούν ικανότητα σύνθετου συλλογισμού και εννοιολογική κατανόηση

μικροσκοπικός εγκέφαλος από ζωντανούς αληθινούς βιολογικούς νευρώνες, συνδέθηκε με την τεχνητή νοημοσύνη
Αυστραλία,  η Cortical Labs  (startup με έδρα τη Μελβούρνη) δημιούργησε τον πρώτο υβριδικό μικροσκοπικό εγκέφαλο (mini-brain) από ζωντανούς νευρώνες που συνδέεται με ένα σύστημα τεχνητής νοημοσύνης. Ελπίζει να διδάξει σε αυτούς τους υβριδικούς mini-brains, να εκτελούν πολλά από τα καθήκοντα που εκτελούνται βάσει λογισμικού από την τεχνητή νοημοσύνη, αλλά σε ένα κλάσμα της κατανάλωσης ενέργειας.
Η Cortical Labs ελπίζει ότι ο μικροσκοπικός εγκέφαλος που θα δημιουργήσει στο μέλλον, θα είναι σε θέση να παράγει τουλάχιστον τα ίδια αποτελέσματα με την υπάρχουσα τεχνητή νοημοσύνη, καταναλώνοντας όμως πολύ λιγότερη ενέργεια για τη δουλειά του.
Η τεχνητή νοημοσύνη που δουλεύει με πραγματικούς νευρώνες είναι ένα από τα πολλά υποσχόμενα μοντέλα για την ανάπτυξη νευρωνικών δικτύων.
Η Cortical Labs χρησιμοποιεί δύο μεθόδους για να δημιουργήσει έναν υβριδικό (mini-brain) εγκέφαλο . Στην πρώτη, εξάγει νευρώνες από έμβρυα ποντικών, ενώ στη δεύτερη μέθοδο χρησιμοποιεί μια τεχνική στην οποία τα ανθρώπινα κύτταρα του δέρματος μετασχηματίζονται ξανά σε βλαστοκύτταρα (αδιαφοροποίητα αρχέγονα κύτταρα) και κατόπιν προκαλούνται να αναπτυχθούν σε ανθρώπινους νευρώνες, ανέφερε ο Chong.
Αυτοί οι νευρώνες στη συνέχεια ενσωματώνονται σε ένα θρεπτικό υγρό μέσο πάνω από ένα εξειδικευμένο τσιπ (specialized computer chip) μεταλλικών οξειδίων που περιέχει ένα πλέγμα από 22.000 μικροσκοπικά ηλεκτρόδια που επιτρέπουν στους προγραμματιστές να παρέχουν ηλεκτρικές εισροές στους νευρώνες και επίσης να ανιχνεύουν τις εξόδους τους.
Τώρα, η δύναμη ενός τέτοιου εγκεφάλου προσεγγίζει τον εγκέφαλο μιας dragonfly, αλλά η Cortical Labs σχεδιάζει να του διδάξει πώς να παίξει το παιχνίδι arcade Pong, όπως δήλωσε ο συνιδρυτής της εταιρείας και διευθύνων σύμβουλος Hon Weng Chong ( the company’s cofounder and chief executive officer).
Το σημείο αναφοράς είναι σημαντικό επειδή το Pong (arcade παιχνίδι) ήταν ένα από τα πρώτα παιχνίδια του Atari που η DeepMind-η εταιρεία AI τεχνητής νοημοσύνης, με έδρα το Λονδίνο, γνωστή για την εργασία της με τεχνητά νευρωνικά δίκτυα, λογισμικό που μοιάζει με μερικούς τρόπους με τη λειτουργία των ανθρώπινων νευρώνων- χρησιμοποίησε αρχικά για να αποδείξει τις επιδόσεις των A.I αλγορίθμων της ( Algorithms AI)  το 2013. Αυτή η επίδειξη βοήθησε στην αγορά της DeepMind από την Google το επόμενο έτος.
Αργότερα η DeepMind έγινε παγκόσμιος πρωταθλητής, σε πολλά παιχνίδια υπολογιστών.

Τα εργαστήρια Cortical Labs  δημιουργούν computer chips που χρησιμοποιούν ανθρώπινους νευρώνες
Μια από τις πιο ελπιδοφόρες προσεγγίσεις στην τεχνητή νοημοσύνη είναι να προσπαθήσουμε να μιμηθούμε πώς λειτουργεί ο ανθρώπινος εγκέφαλος στο λογισμικό.
Αλλά τώρα  η Cortical Labs προχώρησε ένα βήμα παραπέρα.
στην πραγματικότητα κατασκεύασε μικροσκοπικούς "miniature disembodied " εγκεφάλους, χρησιμοποιώντας αληθινούς βιολογικούς νευρώνες ενσωματωμένους σε ένα εξειδικευμένο τσιπ υπολογιστή (specialized computer chip).
Αυτή τη στιγμή, η Cortical Labs χρησιμοποιεί νευρώνες ποντικιού, για την έρευνα στο παιχνίδι arcade Pong, .
"Αυτό που προσπαθούμε να κάνουμε είναι να δείξουμε ότι μπορούμε να διαμορφώσουμε τη συμπεριφορά αυτών των νευρώνων", δήλωσε ο Chong.

Παρόλο που ξεκινάει με το παιχνίδι Pong, ο  Hon Weng Chong δήλωσε ότι, πιστεύει ότι τα εργαστήρια Cortical Labs θα μπορέσουν να κυριαρχήσουν μέχρι το τέλος του έτους και πρόσθεσε ότι τα υβριδικά τσιπς (hybrid chips) της εταιρείας, θα μπορούσαν τελικά να είναι το κλειδί για την επίτευξη των σύνθετων συλλογισμών (complex reasoning) και της εννοιολογικής κατανόησης (conceptual understanding) που η σημερινή A.I δεν μπορεί να παράγει.
Η μέθοδος της εταιρείας, προσφέρει επίσης μια πιθανή λύση σε ένα από τα πιο ενοχλητικά προβλήματα που αντιμετωπίζει η βαθιά εκμάθηση (deep learning): Είναι εξαιρετικά ενεργοβόρα (energy intensive) .
Το AlphaGo, που δημιούργησε το "deep-learning system DeepMind" για να παίξει το Go και το οποίο νίκησε τον καλύτερο ανθρώπινο παίκτη στον κόσμο, σε αυτό το αρχαίο παιχνίδι στρατηγικής το 2016, κατανάλωσε ένα megawatt ενέργειας ενώ έπαιζε το παιχνίδι, ενέργεια αρκετή για να τροφοδοτήσει περίπου 100 σπίτια για μια ημέρα, σύμφωνα με μια εκτίμηση από την εταιρεία τεχνολογίας Ceva. Αντιθέτως, ο ανθρώπινος εγκέφαλος καταναλώνει περίπου 20 watts of power ή 50.000 φορές λιγότερη ενέργεια από την ενέργεια που χρησιμοποιεί το AlphaGo.

ο Karl Friston, ένας νευροεπιστήμονας στο Πανεπιστήμιο του Λονδίνου, γνωστός για την εργασία του στον τομέα της απεικόνισης του εγκεφάλου (brain imaging) καθώς και τα θεωρητικά στοιχεία (theoretical underpinnings) για το πώς τα βιολογικά συστήματα, συμπεριλαμβανομένων των συλλογών νευρώνων, αυτοοργανώνονται, είδε την επίδειξη της τεχνολογίας του Cortical Labs στις αρχές αυτού του έτους και εντυπωσιάστηκε από το έργο της εταιρείας.
Οι πτυχές του συστήματος Cortical Labs βασίζονται στο έργο του Friston και στην έρευνα ορισμένων από τους μαθητές του, αλλά ο νευροεπιστήμονας δεν έχει καμία σχέση με την startup της Αυστραλίας.

Ο Friston δήλωσε ότι  πάντοτε πίστευε ότι οι ιδέες του για τον τρόπο με τον οποίο αυτο-οργανώνονται οι νευρώνες θα χρησιμοποιηθούν για την κατασκευή πιο αποτελεσματικών νευρομορφικών τσιπ ηλεκτρονικών υπολογιστών (neuromorphic computer chips) που προσπαθούν να μιμηθούν τον τρόπο με τον οποίο ο εγκέφαλος επεξεργάζεται τις πληροφορίες πολύ πιο προσεκτικά από ό, τι τα σημερινά "standard computer chips". Ωστόσο, η ιδέα της προσπάθειας ενσωμάτωσης βιολογικών νευρώνων με semiconductors δεν είναι, όπως είπε ο Friston, κάτι που θα μπορούσε να το φανταστεί.
"Αλλά προς μεγάλη μου έκπληξη και ευχαρίστηση  "they have gone straight for the real thing,”", είπε για τη χρήση από τα εργαστήρια Cortical Labs, των πραγματικών βιολογικών νευρώνων. "Αυτό που αυτή η ομάδα μπόρεσε να κάνει είναι, κατά τη γνώμη μου, ο σωστός δρόμος προς την κατεύθυνση της πρακτικής εφαρμογής αυτών των ιδεών".
Η χρήση αληθινών νευρώνων αποφεύγει πολλές άλλες δυσκολίες που έχουν τα νευρωνικά δίκτυα λογισμικού "software-based neural networks". Για παράδειγμα, για να αρχίσουν τα τεχνητά νευρωνικά δίκτυα  να μαθαίνουν καλά, οι προγραμματιστές τους συνήθως πρέπει να συμμετάσχουν σε μια επίπονη διαδικασία χειροκίνητης προσαρμογής των αρχικών συντελεστών ( coefficients) ή βαρών που θα εφαρμοστούν σε κάθε τύπο δεδομένων που επεξεργάζεται το δίκτυο.
Μια άλλη πρόκληση είναι να διερευνήσει το λογισμικό για το πόσο πρέπει να προσπαθήσει να βρει νέες λύσεις σε ένα πρόβλημα, σε σχέση με με λύσεις που το δίκτυο έχει ανακαλύψει ότι λειτουργούν καλά.
"Όλα αυτά τα προβλήματα αποφεύγονται εντελώς αν έχετε ένα σύστημα που βασίζεται σε βιολογικούς νευρώνες για να ξεκινήσει", δήλωσε ο Friston.
ο  Hon Weng Chong ( the company’s cofounder and chief executive officer) πρώην γιατρός που είχε ιδρύσει μια προηγούμενη εταιρεία τεχνολογίας υγείας, άρχισε να ερευνά τρόπους για τη δημιουργία συστημάτων υβριδικών βιολογικών υπολογιστών πριν από δύο χρόνια, μαζί με τον συνιδρυτή και τον "chief technology officer" Andy Kitchen.
Ο Chong είπε ότι  ενδιαφέρθηκαν για την ιδέα της τεχνητής γενικής νοημοσύνης [artificial general intelligence (AGI)—A.I.που έχει την ευελιξία να εκτελεί σχεδόν κάθε είδους καθήκοντα καλά ή και καλύτερα από τον άνθρωπο. "Όλοι αγωνίζονται για να δημιουργήσουν την AGI, αλλά η μόνη αληθινή AGI που γνωρίζουμε είναι η βιολογική νοημοσύνη, η ανθρώπινη νοημοσύνη", δήλωσε ο Chong.
έτσι σκέφτηκαν ότι, ο μόνος τρόπος να αποκτηθεί η νοημοσύνη σε επίπεδο "human-level intelligence",  ήταν να χρησιμοποιηθούν ανθρώπινοι νευρώνες.
Οι νευρώνες του ποντικιού, με τους οποίους πειραματίζονται επίσης τα Cortical Labs, έχουν χρησιμοποιηθεί από καιρό ως proxies για τους ανθρώπινους νευρώνες από τους νευροεπιστήμονες επειδή υπήρχαν μακρά καθιερωμένες μέθοδοι για την εξαγωγή τους και την καλλιέργεια τους. (Η ικανότητα καλλιέργειας engineer ανθρώπινων νευρώνων από τα κύτταρα του δέρματος έχει τελειοποιηθεί μόνο την τελευταία δεκαετία.)
Πρόσφατα οι επιστήμονες στο Ινστιτούτο Allen για την Επιστήμη Εγκεφάλου στο Σιάτλ (Allen Institute for Brain Science in Seattle) έχουν βρει διαφορές στις πρωτεΐνες που καλύπτουν τους νευρώνες των ποντικών από τις πρωτεΐνες που καλύπτουν τους ανθρώπινους νευρώνες, πράγμα που μπορεί να σημαίνει ότι έχουν διαφορετικές ηλεκτρικές ιδιότητες και ότι οι νευρώνες του ποντικιού μπορεί να μην είναι στην πραγματικότητα καλοί stand-ins για τους ανθρώπινους.

Ο Chong  δήλωσε ότι ο ίδιος και ο Kitchen εμπνεύστηκαν από το έργο του Takuya Isomura, ερευνητή στο Κέντρο Riken για την Επιστήμη Εγκεφάλων (RIKEN Center for Brain Science) έξω από το Τόκιο που ήταν μαθητής του Friston. Ο Isomura είχε δείξει το 2015, πώς οι "cultured cortical neurons" νευρώνες που επικαλύπτονται με "electrode grid" θα μπορούσαν να μάθουν να ξεπερνούν το αποτέλεσμα “cocktail party”, διαχωρίζοντας ένα ατομικό ηχητικό σήμα, όπως η φωνή ενός ατόμου, από την κακοφωνία του θορύβου του περιβάλλοντος.

Η Cortical Labs, η οποία ιδρύθηκε επισήμως μόλις τον περασμένο Ιούνιο, έχει λάβει περίπου 610.000 δολάρια σε χρηματοδότηση  "seed funding " από την Blackbird Ventures, μια εξέχουσα εταιρία επιχειρηματικών κεφαλαίων (venture capital firm) στην Αυστραλία.

Δεν είναι η μόνη εταιρεία που ασχολείται με τη βιολογική πληροφορική. Μια startup που ονομάζεται Koniku , με έδρα το San Rafael, Καλιφόρνια, έχει αναπτύξει ένα τσιπ πυριτίου 64 νευρώνων  (64-neuron silicon chip) που κατασκευάστηκε με τη χρήση νευρώνων ποντικιών, που μπορούν να ανιχνεύσουν συγκεκριμένες χημικές ουσίες. Η εταιρεία θέλει να χρησιμοποιήσει τα chips στα αεροσκάφη που θα πουλήσει σε στρατιωτικούς και στις αρχές επιβολής του νόμου, για την ανίχνευση εκρηκτικών.

Εν τω μεταξύ, οι ερευνητές του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης έχουν υιοθετήσει μια διαφορετική προσέγγιση - χρησιμοποιώντας ένα εξειδικευμένο στέλεχος βακτηρίων  (a specialized strain of bacteria) σε ένα υβριδικό τσιπ για τον υπολογισμό και την αποθήκευση πληροφοριών.
πηγή 30-3-20
 https://fortune.com/2020/03/30/startup-human-neurons-computer-chips/

Δεν υπάρχουν σχόλια: