DishBrain помеша човечки мозочни клетки со вештачка интелигенција. Ова е резултатот

Ако мислите дека најновиот излив во развојот на вештачката интелигенција е ултимативната состојба на компјутерите – со неговите големи, бучни акроними како Large Language Model (LLM), Generative Adversarial Network (GAN) и повеќе – размислете повторно. Тешко дека има нешто по егзотично од тоа човечките мозочни клетки кои можат да се поврзат со електрониката – и вештачка интелигенција – додека лебдат во Петри чинија. Сепак, тоа е токму она што австралискиот тим, поврзан со Универзитетот Монаш и Cortical Labs, го постигна минатата година кога го претставија нивниот концепт DishBrain.

Очигледно, концептот и ветувањето за работата на тимот ја заинтересира австралиската војска, а нејзината атрактивност има и цена – воената инвестиција изнесува 407.000 американски долари добиени од австралиската ОНИ (Канцеларија за национално разузнавање).

При воведувањето на DishBrain минатата година, истражувачите опишаа единица за полубиолошка обработка, архитектура од мешавина на човечки и мозочни клетки на глувци, растени во контролни електроди. Овие електроди служеа како еден вид BCI (интерфејс за мозок-компјутер), овозможувајќи им на научниците да испраќаат контролни сигнали и да ја читаат биолошката активност на „протомозокот“. Интересно, или како и да го наречете, DishBrain покажа нешто слично на чувството (добро, повеќе како основни вештини за преживување или биолошки императив за минимизирање на негативните повратни информации) во рок од 5 минути од неговото вклучување: толку време му беше потребно да „научи“ како да игра едноставна компјутерска игра.

Начинот на кој успеаја да го „тренираат“ мозокот не беше ништо помалку од генијален: движењето на топката се пренесуваше до клетките преку електродите, при што електричната стимулација на клетките на DishBrain влијаеше на различни области мапирани на локацијата на топката. Потоа, на DishBrain му беше дадена контрола на лопатките и способност да ги движи лево и десно.

Бидејќи биолошките системи се стремат кон најниската можна потрошувачка на енергија (или, барем, да се избегнат скапи или негативни искуства што ги одземаат нејзините енергетски резерви – а со тоа и неговата опстанок), DishBrain беше формиран за едноставен систем за наградување што го искористи ова: ако лопатката ја пресретна топката, електродите во BrainDish ќе ѝ дадат „позитивен“, предвидлив електричен стимул во должина од една секунда. Но, секогаш кога лопатките ја промашуваа топката, DishBrain добиваше непредвидлив излив на струја што траеше до четири секунди. Свесноста, во овој случај, беше постигната преку способноста за преживување: потребна е повеќе енергија за да се справите со непредвидлив рафал од четири секунди отколку за предвидлив, една секунда. Така, DishBain ја зголеми својата можност за опстанок со активно максимизирање на бројот на пати кога лопатките ја погодуваат топката.

Вонреден професор Адел Рази, од Институтот за мозок и ментално здравје Тарнер, рече дека нивната работа „ги спојува полињата на вештачката интелигенција и синтетичката биологија за да создадат програмабилни биолошки компјутерски платформи“. Тоа ветување – да се имаат врвни паралелни процесори (биолошки мозоци, или влажен софтвер) како компјутерски уреди – е клучот. Има дури и очекувања дека био-процесорите како овие на крајот би можеле да ги надминат границите на конвенционалните силиконски чипови, според Рази.

Интересно е да се забележи дека проектот DishBrain има некои цели кои навидум се усогласени со нашата актуелна трка во вооружување со вештачка интелигенција: слично како што компаниите за вештачка интелигенција како што се Microsoft и OpenAI трчаат по сонот за рекурзивна обука (што во суштина значи дека агентот за вештачка интелигенција може да тренира самиот), способноста на DishBrain да учи сама по себе е точниот трофеј што го бараат компаниите базирани на силикон и квантни компјутери (во случајот на Microsoft). Дали тоа учење се заснова на биомеханички и физички инстинкт за преживување или чисто чувство е релевантно прашање, но крајниот резултат – дека системот може сам да научи – е ист.

Оваа способност особено може да има големо влијание врз вештачката интелигенција, бидејќи системот за обработка базиран на влажен софтвер наместо нашиот сегашен пристап базиран на силикон, може да заобиколи една од најголемите штети за еволуцијата на вештачката интелигенција: способноста да се запамети обуката – или, со други зборови, „катастрофалното заборавање“ кое генерално ја спречува вештачката интелигенција да ја изгради својата база за учење.

Според Рази, тимот „ќе го користи овој [грантот] за да развие подобри машини за вештачка интелигенција кои го реплицираат капацитетот за учење на овие биолошки невронски мрежи“. И покрај тоа што водечките истражувачи се претпазливи за егзистенцијалните ризици што ги носи вештачката интелигенција, во тек е истражување кое звучи поверојатно во контекст на научна фантастика отколку во вестите на Tom’s Hardware. доаѓа на ум.

Донекаде е стресно да се размислува за тоа што би можело да се случи кога технологијата изложена во овој напис ќе се појави во нешто уште повоено ориентирана – како што е систем на беспилотни летала што избира да го убие својот човек кој управува.

За среќа, само идните верзии од нас ќе треба да се справат со тоа – ако и кога ќе дојде тој момент.