يبدو أن شبكات الأسلاك النانوية الفضية تتعلم وتتذكر ، تمامًا مثل أدمغتنا

على مدار العام الماضي أو نحو ذلك ، أتاحت نماذج الذكاء الاصطناعي التوليدية مثل ChatGPT و DALL-E إنتاج كميات هائلة من المحتوى الإبداعي عالي الجودة الذي يشبه الإنسان على ما يبدو من سلسلة بسيطة من المطالبات.

على الرغم من القدرة العالية – التي تفوقت كثيرًا على البشر في مهام التعرف على أنماط البيانات الضخمة على وجه الخصوص – فإن أنظمة الذكاء الاصطناعي الحالية ليست ذكية بنفس الطريقة التي نتمتع بها. أنظمة الذكاء الاصطناعي ليست منظمة مثل أدمغتنا ولا تتعلم بنفس الطريقة.

تستخدم أنظمة الذكاء الاصطناعي أيضًا واسع كميات من الطاقة والموارد للتدريب (مقارنة بوجباتنا التي تتكون من ثلاث وجبات أو أكثر في اليوم). قدرتها على التكيف والعمل في بيئات ديناميكية وصعبة التنبؤ وصاخبة ضعيفة بالمقارنة مع بيئاتنا ، كما أنها تفتقر إلى قدرات الذاكرة الشبيهة بالإنسان.

يستكشف بحثنا الأنظمة غير البيولوجية التي تشبه أدمغة الإنسان. في دراسة جديدة نُشرت في Science Advances ، وجدنا شبكات ذاتية التنظيم من الأسلاك الفضية الصغيرة تتعلم وتتذكر بنفس الطريقة التي تتعلم بها أجهزة التفكير في رؤوسنا.

تقليد الدماغ

عملنا هو جزء من مجال بحثي يسمى علم الأعصاب ، والذي يهدف إلى تكرار بنية ووظيفة الخلايا العصبية والمشابك البيولوجية في الأنظمة غير البيولوجية.

يركز بحثنا على نظام يستخدم شبكة من “الأسلاك النانوية” لتقليد الخلايا العصبية والمشابك العصبية في الدماغ. هذه الأسلاك النانوية عبارة عن أسلاك صغيرة يبلغ عرضها حوالي واحد في الألف من عرض شعرة الإنسان. وهي مصنوعة من معدن عالي التوصيل ، مثل الفضة ، وعادة ما تكون مطلية بمادة عازلة مثل البلاستيك.

يتم تجميع الأسلاك النانوية ذاتيًا لتشكيل بنية شبكة مشابهة للشبكة العصبية البيولوجية. مثل الخلايا العصبية التي لها غشاء عازل ، يتم تغليف كل سلك نانوي معدني بطبقة عازلة رقيقة.

عندما نقوم بتحفيز الأسلاك النانوية بإشارات كهربائية ، تنتقل الأيونات عبر الطبقة العازلة إلى سلك نانوي مجاور (يشبه إلى حد كبير الناقلات العصبية عبر المشابك). نتيجة لذلك ، نلاحظ إشارات كهربائية تشبه المشبك في شبكات الأسلاك النانوية.

التعلم والذاكرة

يستخدم عملنا الجديد نظام الأسلاك النانوية هذا لاستكشاف مسألة الذكاء الشبيه بالبشر. هناك سمتان محوريتان في تحقيقنا تدلان على الوظيفة الإدراكية عالية المستوى: التعلم والذاكرة.

توضح دراستنا أنه يمكننا بشكل انتقائي تقوية (وإضعاف) المسارات المشبكية في شبكات الأسلاك النانوية. هذا مشابه لـ “التعلم تحت الإشراف” في الدماغ. في هذه العملية ، تتم مقارنة ناتج المشابك بالنتيجة المرغوبة. ثم يتم تقوية نقاط الاشتباك العصبي (إذا كان ناتجها قريبًا من النتيجة المرجوة) أو يتم تقليمها (إذا لم يكن ناتجها قريبًا من النتيجة المرجوة).

لقد توسعنا في هذه النتيجة من خلال إظهار أنه يمكننا زيادة مقدار التعزيز من خلال “مكافأة” أو “معاقبة” الشبكة. هذه العملية مستوحاة من “التعلم المعزز” في الدماغ.

اقرأ المزيد: الدوائر الشبيهة بالعصبية تقترب من الحواسيب الشبيهة بالدماغ

طبقنا أيضًا إصدارًا من الاختبار يسمى “نمهمة العودة “التي تستخدم لقياس الذاكرة العاملة لدى البشر. يتضمن تقديم سلسلة من المحفزات ومقارنة كل إدخال جديد بواحد حدث في عدد من الخطوات (ن) قبل.

“تذكرت” الشبكة الإشارات السابقة لما لا يقل عن سبع خطوات. من الغريب أن سبعة غالبًا ما يُنظر إليها على أنها متوسط ​​عدد العناصر التي يمكن للبشر الاحتفاظ بها في الذاكرة العاملة في وقت واحد.

عندما استخدمنا التعلم المعزز ، رأينا تحسينات كبيرة في أداء ذاكرة الشبكة.

في شبكات الأسلاك النانوية الخاصة بنا ، وجدنا أن تشكيل المسارات المشبكية يعتمد على كيفية تنشيط هذه المشابك في الماضي. هذا هو الحال أيضًا بالنسبة لنقاط الاشتباك العصبي في الدماغ ، حيث يسميها علماء الأعصاب “الميتابلاستيكية”.

الذكاء الاصطناعي

لا يزال الذكاء البشري على الأرجح بعيدًا عن التكرار.

ومع ذلك ، يُظهر بحثنا حول شبكات الأسلاك النانوية العصبية أنه من الممكن تنفيذ ميزات أساسية للذكاء – مثل التعلم والذاكرة – في الأجهزة المادية غير البيولوجية.

اقرأ المزيد: خمس طرق يمكن أن تحدث بها ثورة الذكاء الخارق

تختلف شبكات الأسلاك النانوية عن الشبكات العصبية الاصطناعية المستخدمة في الذكاء الاصطناعي. ومع ذلك ، قد تؤدي إلى ما يسمى بـ “الذكاء الاصطناعي”.

ربما يمكن لشبكة الأسلاك النانوية ذات الشكل العصبي أن تتعلم يومًا ما إجراء محادثات تشبه الإنسان أكثر من ChatGPT ، وتذكرها.