A tudósok mesterséges intelligenciát hoztak létre egy kémcsőben DNS-molekulák felhasználásával, és bíznak abban, hogy az hamarosan megkezdi saját "emlékeinek" kialakítását.
A laboratóriumban mesterséges neurális hálózatot hoztak létre, amely teljes egészében DNS-ből készült, és utánozta az agy működését.
A kémcső-AI megoldhatja a klasszikus gépi tanulási problémát a kézzel írott számok helyes azonosításával.
A munka jelentős lépés annak demonstrálásában, hogy képesek mesterséges szerves áramkörökbe programozni az AI-t - állítják a tudósok.
Ez egy nap teljesen szerves anyagokból készült humanoid robotokhoz vezethet, nem pedig a show kultúrában népszerű fényes fém kibernetikusokhoz.
A kutatók bíznak abban, hogy a kémcsőbe felvett mintákból az eszköz hamarosan saját „emlékeit” kezdi kialakítani.
Végső céljuk az intelligens viselkedés programozása, mint például a számítás, a döntések és egyebek képessége, a DNS-ből készített mesterséges neurális hálózatok felhasználásával.
A művész rajza egy mesterséges neurális hálózat, amelyet a DNS alkot.
Promóciós videó:
A kaliforniai Műszaki Intézet olyan problémát választott, amely klasszikus kihívást jelent a kézzel írott szöveget felismerő elektronikus mesterséges ideghálózatok problémájának megoldása szempontjából.
Ez volt az egyik első probléma, amelyet a számítógépes látás kutatói megoldottak, és ideális módszer a DNS-alapú ideghálózatok képességeinek bemutatására.
Egy személy kézírása nagyban változhat, ezért amikor egy személy írott számsorozatot tanulmányoz, az agy összetett számítási feladatokat hajt végre ezek azonosítására.
Mivel még az emberek számára is nehéz felismerni egymás hanyag kézírását, a kézírásos számok azonosítása gyakori teszt az intelligencia programozásához az AI ideghálózatokban.
Ezeket a hálózatokat „ki kell képezni” a számok felismerésére, a kézírásbeli különbségek figyelembevételére, majd az ismeretlen szám összehasonlítására az úgynevezett memóriákkal és a szám azonosításának meghatározásával.
A csapat bebizonyította, hogy a bonyolult DNS-szekvenciák ideghálózata képes kémiai reakciókat végrehajtani, jelezve, hogy helyesen azonosította a "molekuláris kézírást".
Ismeretlen szám megadásakor ez az úgynevezett "intelligens leves" egy sor reakción megy keresztül, és két fluoreszcens jelet bocsát ki, például zöld és sárga ötöt, zöld és piros pedig kilencet.
MIÉRT HASZNÁLTAK KUTATÓK DNS-t
AI létrehozása egy csőben?
A biomolekuláris szálak DNS-ből való előállításának kulcsa a DNS-molekulák közötti kötés szigorú szabályai.
Az egyszálú DNS-molekula kisebb, nukleotidoknak nevezett molekulákból áll - rövidítve A, T, C és G -, amelyek húrban vagy szekvenciában helyezkednek el.
Az egyszálú DNS-molekulában található nukleotidok megkötődhetnek egy másik egyszálú szál nukleotidjaival, így kettősszálú DNS-t alkotnak, de a nukleotidok csak nagyon specifikus módon kötődnek.
Az A nukleotid mindig T-hez, C pedig G-hez kötődik.
Ezeknek a kiszámítható kötési szabályoknak a felhasználásával a kutatók rövid DNS-szálakat tervezhettek, hogy in vitro kiszámítható kémiai reakciókat hajtsanak végre, és így olyan feladatokat számíthassanak ki, mint például a molekuláris struktúrák felismerése.
2011-ben létrehozták az első mesterséges DNS-molekulák neurális hálózatát, amely négy egyszerű mintát képes felismerni.
2018 júliusában bemutatták az in vitro mesterséges intelligenciát, amely megoldhatja a klasszikus gépi tanulási problémát a kézzel írott számok helyes azonosításával.
Lulu Qian vezető kutató, a Biomérnöki Tanszék docense elmondta: „Bár a tudósok csak most kezdték vizsgálni a mesterséges intelligencia molekuláris gépekben való létrehozását, annak lehetőségei már tagadhatatlanok.
Ahogy az elektronikus számítógépek és okostelefonok alkalmassá tették az embereket, mint száz évvel ezelőtt, a mesterséges molekuláris gépek képesek lesznek bármit elkészíteni molekulákból - beleértve a festékeket és a kötéseket is -, és a következő száz évben képesek lesznek és jobban reagálnak a környezetre.."
HOGYAN TANULJA A MŰSZAKI INTELLIGENCIÁT?
Az AI rendszerek mesterséges ideghálózatokra (ANN) támaszkodnak, amelyek megpróbálják utánozni az agy működését a tanulás érdekében.
Az ANN-ok megtanulják felismerni az információk mintáit, beleértve a beszédet, a szöveges adatokat vagy a képi képeket, és ezek az elmúlt években számos AI-fejlesztés alapját képezik.
A hagyományos mesterséges intelligencia bemenetek segítségével algoritmust képez ki egy adott témáról, rengeteg információval ellátva azt.
A gyakorlati alkalmazások közé tartozik a Google nyelvfordítási szolgáltatásai, a Facebook arcfelismerő szoftvere és a Snapchat képszerkesztő szűrői.
Az adatok bevitele rendkívül időigényes lehet, és csak egyfajta tudásra korlátozódik.
Az ANN-ek új generációja, az úgynevezett Adversarial Neural Networks két AI robot eszét állítja egymáshoz, lehetővé téve számukra, hogy tanuljanak egymástól.
Ennek a megközelítésnek célja a tanulási folyamat felgyorsítása, valamint az AI rendszerek által generált következtetések javítása.