Een schaal met neuronen heeft zichzelf misschien geleerd om (slecht) pong te spelen.

Een van de meest opwindende ontwikkelingen op het gebied van kunstmatige intelligentie is de ontwikkeling van algoritmen die zichzelf de regels van het systeem kunnen aanleren. Vroege versies van zaken als gameplay-algoritmen moesten de basis van het spel krijgen. Maar nieuwere versies hebben dat niet nodig – ze hebben gewoon een systeem nodig dat een beloning bijhoudt, zoals score, en ze kunnen uitzoeken welke acties dat verhogen zonder een officiële beschrijving van de spelregels nodig te hebben.

Een onderzoekspaper gepubliceerd in het tijdschrift Neuron gaat nog een stap verder door echte neuronen te gebruiken die zijn gekweekt in een schaal gevuld met elektroden. Dit voegde een extra niveau van complexiteit toe, omdat er geen manier was om te weten welke neuronen daadwerkelijk de moeite waard zouden vinden. Het feit dat het systeem lijkt te hebben gewerkt, zou ons iets kunnen vertellen over hoe neuronen hun reacties op de buitenwereld reguleren.

Zeg hallo tegen DishBrain

De onderzoekers achter het nieuwe werk, met hun hoofdkantoor in Melbourne, Australië, noemden hun systeem DishBrain. Het vertrouwt, ja, op een schotel met een set elektroden op de bodem van de schotel. Wanneer neuronen in de schaal groeien, kunnen deze elektroden twee dingen doen: de activiteit van de neuronen erboven voelen of die elektroden stimuleren. De elektroden zijn groot in verhouding tot de grootte van het neuron, dus zowel detectie als stimulatie (wat kan worden beschouwd als het lezen en schrijven van informatie) betreft een kleine groep neuronen, in plaats van een enkele groep.

Bovendien is het een standaard landbouwschotel, waardoor er verschillende celtypes kunnen worden gekweekt – in sommige controle-experimenten gebruikten de onderzoekers cellen die niet reageren op elektrische signalen. In deze experimenten testten de onderzoekers twee soorten neuronen: sommige ontleed uit muizenembryo’s en andere geproduceerd door menselijke stamcellen te stimuleren om neuronen te vormen. In beide gevallen, zoals we in andere experimenten hebben gezien, vormden de neuronen spontaan verbindingen met elkaar, waardoor netwerken ontstonden die spontane activiteit hebben.

Hoewel het apparaat volledig flexibel is, hebben de onderzoekers het geconfigureerd als onderdeel van een gesloten systeem met een computerconsole. In deze configuratie werden de elektroden in twee delen van de schaal gedefinieerd als de invoer van de DishBrain; Ze worden gezamenlijk de motorzone genoemd omdat ze de reactie van het systeem regelen.

Acht andere regio’s zijn aangewezen om input te ontvangen in de vorm van stimulatie door elektroden, die een beetje werken als het sensorische gebied van de hersenen. Een computer kan deze elektroden ook gebruiken om feedback te geven aan het systeem, wat we hieronder zullen bespreken.

Samen bieden deze alles wat het neurale netwerk nodig heeft om te weten wat er in de computeromgeving gebeurt. Met motorelektroden kunnen neuronen het gedrag van de omgeving veranderen, en sensorische cellen ontvangen input over de toestand van de omgeving, evenals een signaal dat aangeeft of hun acties succesvol zijn. Het systeem is zo algemeen dat allerlei omgevingen kunnen worden opgezet in het computergedeelte van het experiment – vrijwel alles waarbij eenvoudige invoer de omgeving verandert.

De onderzoekers kozen waterpijp.