به ربات‌ها بیاموزیم مثل ما فکر کنند

آیا هوش را می‌توان به ربات‌ها یاد داد؟ پیشرفت‌های اخیر در حوزه‌ رایانش مخزنی فیزیکی، فناوری‌ای که معنای سیگنال‌های مغزی را استخراج می‌کند، به ایجاد دسته‌ای از سیستم‌های هوش مصنوعی می‌انجامد که مانند انسان‌ها فکر می‌کنند.

محققان دانشگاه توکیو با چاپ مقاله‌ای در ژورنال Applied Physics Letters از انتشارات AIP، توضیح داده‌اند که با تحریک برقی مجموعه‌ای از سلول‌های عصبی مغز که به یک ربات متصل هستند، می‌توان به آن ربات آموخت، تا در طول هزارتو مسیر خود را پیدا کند.

این سلول‌های عصبی از سلول‌های زنده کِشت شده‌اند و به‌عنوان مخزن رایانشی فیزیکی، سیگنال‌هایی یکپارچه و منسجم تولید می‌کنند.

این سیگنال‌ها هومئوستاتیک هستند و به ربات‌ها می‌گویند که در طول حرکتش در هزارتو، محیط داخلی با تغییرات جزئی (در طیفی مشخص) را به‌عنوان خط ‌پایه در نظر بگیرد.

هر گاه ربات در جهت نادرست حرکت کند یا با مسیر اشتباه روبه‌رو شود، تکانه‌ برقی به نورون‌های کِشت‌شده وارد می‌شود. به عبارت دیگر، در تمام طول آزمایش، سیگنال‌های هومئوستاتیک به ربات تغذیه می‌شوند، به‌جز مواقعی که به دست سیگنال‌های مزاحم (تکانه‌های برقی) قطع می‌شوند؛ این فرایند تا زمانی که ربات مسئله‌ هزارتو را با موفقیت حل کند ادامه می‌یابد.

این یافته‌ها نشان‌دهنده‌ رفتار ی هدف‌محوری هستند که بدون هیچگونه یادگیری اضافی و صرفاً با ارسال سیگنال‌های مزاحم به سیستمی دارای جسم، شکل ها می‌گیرند. ربات نه می‌تواند محیط را ببیند و نه هیچگونه اطلاعات حسی دیگری دریافت کند؛ بلکه تماماً وابسته به تکانه‌های برقی و آزمون و خطاست.

هیروکازو تاکاهاشی، یکی از نویسندگان این مقاله و استادیار انفورماتیک- مکانیک، توضیح می‌دهد: «با تکیه بر نتایج و یافته‌های این آزمایش‌ها، فرضیه‌ای در ذهنم مطرح شد مبنی بر اینکه مکانیزم زیربنایی هوش موجودات زنده نیز سعی دارد از حالتی آشفته، خروجی منسجمی استخراج کند.»

با تکیه بر این مفروضه، محققان نشان دادند که با استفاده از مخزن رایانشی فیزیکی می‌توان قابلیت‌ حل مسئله‌ هوشمند را فراهم آورد؛ این مخزن رایانشی سیگنال‌های عصبی را استخراج و سیگنال‌های هومئوستاتیک و مزاحم به ربات وارد می‌کند. بدین ترتیب، کامپیوتر مخزنی می‌سازد که می‌داند مسئله را چطور حل کند.

تاکاهاشی ادامه می‌دهد: «مغز یک کودک دبستانی نمی‌تواند مسائل ریاضیات دانشگاه را حل کند، احتمالاً به خاطر اینکه دینامیک مغزش که همان «مخزن رایانشی فیزیکی» اوست، به اندازه‌ کافی غنی نیست. به بیان دقیق‌تر، قابلیت حل مسئله به این بستگی دارد که مخزن الگوهای فضایی- زمانی که به دست شبکه تولید می‌شود، تا چه حد غنی است.»

محققان معتقدند که رایانش مخزنی فیزیکی به درک بهتر مکانیزم‌های مغزی کمک می‌کند و به توسعه‌ کامپیوترهای نورومورفیک (شبه‌عصبی) جدید می‌انجامد.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید