Μία μελέτη από επιστήμονες του Ινστιτούτου Τεχνολογίας του Πεκίνου συνόψισε τις πρόσφατες προσπάθειες και τις μελλοντικές δυνατότητες στη χρήση in vitro βιολογικών νευρωνικών δικτύων (BNNs) για την υλοποίηση της βιολογικής νοημοσύνης, με έμφαση σε εκείνα που σχετίζονται με τη νοημοσύνη ρομπότ.
Το έγγραφο, που δημοσιεύθηκε στις 10 Ιανουαρίου στο περιοδικό Cyborg and Bionic Systems, παρείχε μια επισκόπηση 1) των θεμελίων της νοημοσύνης που παρουσιάζονται σε in vitro BNN, όπως η μνήμη και η μάθηση. 2) πώς αυτά τα BNN μπορούν να ενσωματωθούν με ρομπότ μέσω αμφίδρομης σύνδεσης, σχηματίζοντας τα λεγόμενα νευρορομποτικά συστήματα που βασίζονται σε BNN. 3) προκαταρκτικές έξυπνες συμπεριφορές που επιτυγχάνονται από αυτά τα νευρορομποτικά συστήματα. και 4) τρέχουσες τάσεις και μελλοντικές προκλήσεις στην ερευνητική περιοχή των νευρορομποτικών συστημάτων που βασίζονται σε BNN.
«Ο ανθρώπινος εγκέφαλος μας είναι ένα σύνθετο βιολογικό νευρωνικό δίκτυο (BNN) που αποτελείται από δισεκατομμύρια νευρώνες, το οποίο δημιουργεί τη συνείδηση και τη νοημοσύνη μας. Ωστόσο, η μελέτη του εγκεφάλου στο σύνολό του είναι εξαιρετικά δύσκολη λόγω της περίπλοκης φύσης του. Με την καλλιέργεια ενός τμήματος των νευρώνων από τον εγκέφαλο, μπορούν να σχηματιστούν απλούστερα BNN, όπως μίνι εγκέφαλοι, επιτρέποντας την ευκολότερη παρατήρηση και διερεύνηση του δικτύου. Αυτοί οι μίνι εγκέφαλοι μπορεί να παρέχουν πολύτιμες γνώσεις για την αινιγματική προέλευση της συνείδησης και της ευφυΐας», εξήγησε ο συγγραφέας της μελέτης Zhiqiang Yu, βοηθός ερευνητής στο Ινστιτούτο Τεχνολογίας του Πεκίνου.
«Είναι ενδιαφέρον ότι οι μίνι εγκέφαλοι δεν είναι μόνο δομικά παρόμοιοι με τον ανθρώπινο εγκέφαλο, αλλά μπορούν επίσης να μάθουν και να απομνημονεύσουν πληροφορίες με παρόμοιο τρόπο», είπε ο Yu.
Συγκεκριμένα, αυτά τα in vitro BNN μοιράζονται την ίδια βασική δομή με τα in vivo BNN, όπου οι νευρώνες συνδέονται μέσω συνάψεων και εμφανίζουν βραχυπρόθεσμη μνήμη μέσω διαδικασιών εξασθένισης και κρυφής μνήμης.
Επιπλέον, αυτοί οι μικροεγκέφαλοι μπορούν να εκτελούν εποπτευόμενη μάθηση και να εκπαιδευτούν ώστε να ανταποκρίνονται σε συγκεκριμένα σήματα ερεθισμάτων. Πρόσφατα, οι ερευνητές απέδειξαν ότι τα in vitro BNN μπορούν να ολοκληρώσουν ακόμη και εργασίες μάθησης χωρίς επίβλεψη, όπως ο διαχωρισμός μικτών σημάτων.
«Αυτή η συναρπαστική ικανότητα μπορεί να έχει να κάνει με τη διάσημη αρχή της ελεύθερης ενέργειας. Δηλαδή, αυτά τα BNN έχουν την τάση να ελαχιστοποιούν την αβεβαιότητά τους για τον εξωτερικό κόσμο», είπε ο Yu.
Αυτές οι ικανότητες των in vitro BNN είναι αρκετά ενδιαφέρουσες. Ο εγκέφαλός μας βασίζεται στο σώμα μας για να αντιληφθεί, να κατανοήσει και να προσαρμοστεί στον έξω κόσμο, και ομοίως, αυτοί οι μίνι εγκέφαλοι απαιτούν ένα σώμα για να αλληλεπιδράσει με το περιβάλλον τους. Ένα ρομπότ είναι ένας ιδανικός υποψήφιος για αυτόν τον σκοπό, οδηγώντας σε ένα αναπτυσσόμενο διεπιστημονικό πεδίο στη διασταύρωση της νευροεπιστήμης και της ρομποτικής: νευρορομποτικά συστήματα που βασίζονται σε BNN.
«Μια σταθερή αμφίδρομη σύνδεση είναι απαραίτητη προϋπόθεση για αυτά τα συστήματα», είπαν οι συγγραφείς της μελέτης. «Σε αυτήν την ανασκόπηση, συνοψίζουμε τα κύρια μέσα κατασκευής μιας τέτοιας αμφίδρομης σύνδεσης, η οποία μπορεί να ταξινομηθεί σε δύο κατηγορίες με βάση την κατεύθυνση της σύνδεσης: από ρομπότ σε BNN και από BNN σε ρομπότ».
Η πρώτη περιλαμβάνει τη μετάδοση σημάτων αισθητήρων από το ρομπότ σε BNN, χρησιμοποιώντας μεθόδους ηλεκτρικής, οπτικής και χημικής διέγερσης, ενώ η δεύτερη καταγράφει τις νευρικές δραστηριότητες των BNN και αποκωδικοποιεί αυτές τις δραστηριότητες σε εντολές ελέγχου του ρομπότ, χρησιμοποιώντας εξωκυττάρια, ασβέστιο και ενδοκυτταρική καταγραφή.
«Ενσωματωμένα από ρομπότ, τα in vitro BNN εμφανίζουν ένα ευρύ φάσμα συναρπαστικών έξυπνων συμπεριφορών», σύμφωνα με τον Yu. «Αυτές οι συμπεριφορές περιλαμβάνουν μάθηση υπό επίβλεψη και χωρίς επίβλεψη, απομνημόνευση, παρακολούθηση αντικειμένων μέσω κινητού, ενεργή αποφυγή εμποδίων και ακόμη και εκμάθηση παιχνιδιών όπως το «Pong».
Οι έξυπνες συμπεριφορές που εμφανίζονται από αυτά τα νευρορομποτικά συστήματα που βασίζονται σε BNN μπορούν να χωριστούν σε δύο κατηγορίες με βάση την εξάρτησή τους είτε από την υπολογιστική ικανότητα είτε από την πλαστικότητα του δικτύου, όπως εξηγεί ο Yu.
«Στον υπολογισμό συμπεριφορών που εξαρτώνται από την ικανότητα, η μάθηση είναι περιττή και το BNN θεωρείται ως ένας επεξεργαστής πληροφοριών που δημιουργεί συγκεκριμένες νευρικές δραστηριότητες ως απόκριση σε ερεθίσματα. Ωστόσο, για το τελευταίο, η μάθηση είναι μια κρίσιμη διαδικασία, καθώς το BNN προσαρμόζεται στα ερεθίσματα και αυτές οι αλλαγές είναι αναπόσπαστο κομμάτι των συμπεριφορών ή των εργασιών που εκτελεί το ρομπότ», πρόσθεσε ο Yu.
Για να διευκολυνθεί η εύκολη σύγκριση των τεχνικών εγγραφής και διέγερσης, κανόνων κωδικοποίησης και αποκωδικοποίησης, πολιτικών εκπαίδευσης και εργασιών ρομπότ, αντιπροσωπευτικές μελέτες από αυτές τις δύο κατηγορίες έχουν συγκεντρωθεί σε δύο πίνακες.
Επιπλέον, για να παρέχεται στους αναγνώστες μια ιστορική επισκόπηση των νευρο-ρομποτικών συστημάτων που βασίζονται σε BNN, έχουν επιλεγεί και ταξινομηθεί χρονολογικά αρκετές αξιόλογες μελέτες.
Οι συγγραφείς της μελέτης συζήτησαν επίσης τις τρέχουσες τάσεις και τις κύριες προκλήσεις στον τομέα. Σύμφωνα με τον Yu, «τέσσερις προκλήσεις επιθυμούν να αντιμετωπιστούν και διερευνώνται εντατικά. Πώς να κατασκευάσετε BNN σε 3D, κάνοντας έτσι in vitro BNN κοντά στα αντίστοιχα in vivo, είναι το πιο επείγον από αυτά».
Ίσως η πιο προκλητική πτυχή είναι ο τρόπος εκπαίδευσης αυτών των BNN που ενσωματώνονται σε ρομπότ. Οι συγγραφείς της μελέτης σημείωσαν ότι τα BNN αποτελούνται μόνο από νευρώνες και στερούνται τη συμμετοχή διαφόρων νευροδιαμορφωτών, γεγονός που καθιστά δύσκολη τη μεταμόσχευση διαφόρων μεθόδων εκπαίδευσης ζώων σε BNN.
Επιπλέον, τα BNN έχουν τους δικούς τους περιορισμούς. Ενώ ένας πίθηκος μπορεί να εκπαιδευτεί να οδηγεί ποδήλατο, είναι πολύ πιο δύσκολο να ολοκληρώσει εργασίες που απαιτούν διαδικασίες σκέψης υψηλότερου επιπέδου, όπως το παιχνίδι Go.
«Το μυστήριο του πώς η συνείδηση και η ευφυΐα αναδύονται από το δίκτυο των κυττάρων του εγκεφάλου μας εξακολουθεί να διαφεύγει από τους νευροεπιστήμονες», είπε ο Yu. Ωστόσο, με την ανάπτυξη της ενσωμάτωσης in vitro BNN με ρομπότ, μπορεί να παρατηρήσουμε πιο έξυπνες συμπεριφορές σε αυτά και να φέρουμε τους ανθρώπους πιο κοντά στην αλήθεια πίσω από το μυστήριο.
