Tutkijat ovat luoneet koeputkeen tekoälyn DNA-molekyylien avulla, ja he ovat vakuuttuneita siitä, että se alkaa pian muodostaa omia "muistoja".
Laboratorion tutkijat loivat keinotekoisen hermoverkon, joka on valmistettu kokonaan DNA: sta ja jäljittelemällä aivojen toimintaa.
Koeputken tekoäly voi ratkaista klassisen koneoppimisongelman tunnistamalla käsinkirjoitetut numerot oikein.
Työ on merkittävä askel osoitettaessa kykyä ohjelmoida tekoäly keinotekoisiin orgaanisiin piireihin, tutkijat sanovat.
Tämä voisi jonain päivänä johtaa täysin orgaanisista materiaaleista valmistettuihin humanoidiroboteihin näyttelykulttuurissa suosittujen kiiltävien metallikyberien sijaan.
Tutkijat ovat vakuuttuneita siitä, että laite alkaa pian muodostaa omia "muistoja" koeputkeen lisätyistä näytteistä.
Heidän perimmäisenä tavoitteena on ohjelmoida älykäs käyttäytyminen, kuten kyky laskea, tehdä valintoja ja muuta, käyttämällä keinotekoisia hermoverkkoja, jotka on valmistettu DNA: sta.
Taiteilijan piirustus on keinotekoinen hermoverkko, joka luodaan DNA: sta.
Mainosvideo:
Kalifornian teknillinen instituutti valitsi ongelman, joka on klassinen haaste käsinkirjoitetun tekstin tunnistavien elektronisten keinotekoisten hermoverkkojen ongelman ratkaisemisessa.
Se oli yksi ensimmäisistä ongelmista, joita tietokonenäön tutkijat ratkaisivat, ja ihanteellinen menetelmä DNA-pohjaisten hermoverkkojen kykyjen havainnollistamiseksi.
Henkilön käsiala voi vaihdella suuresti, ja siksi, kun henkilö tutkii kirjoitettua numerosarjaa, aivot suorittavat monimutkaisia laskennallisia tehtäviä niiden tunnistamiseksi.
Koska jopa ihmisten on vaikea tunnistaa toistensa huolimaton käsiala, käsinkirjoitettujen numeroiden tunnistaminen on yleinen testi älykkyyden ohjelmoimiseksi tekoälyn hermoverkoissa.
Nämä verkot on "koulutettava" tunnistamaan numerot, ottamaan huomioon käsinkirjoituksen erot ja vertaamaan sitten tuntematonta lukua ns. Muistoihinsa ja määrittämään numeron tunnistus.
Tiimi on osoittanut, että monimutkaisten DNA-sekvenssien hermoverkko voi suorittaa kemiallisia reaktioita, mikä osoittaa, että se on tunnistanut oikein "molekyylikäsikirjoituksen".
Kun annetaan tuntematon numero, niin kutsuttu "älykeitto" käy läpi useita reaktioita ja lähettää kaksi fluoresoivaa signaalia, esimerkiksi vihreä ja keltainen edustavat viittä tai vihreä ja punainen edustavat yhdeksää.
MIKSI TUTKIJAT ovat käyttäneet DNA: ta
AI: N LUOMINEN PUTKESSA?
Avain biomolekyylisäikeiden valmistamiseen DNA: sta on tiukat säännöt DNA-molekyylien sitoutumisesta.
Yksisäikeinen DNA-molekyyli koostuu pienemmistä molekyyleistä, joita kutsutaan nukleotideiksi - lyhennettynä A, T, C ja G -, jotka sijaitsevat merkkijonossa tai sekvenssissä.
Yksisäikeisen DNA-molekyylin nukleotidit voivat sitoutua toisen yksijuosteisen juosteen nukleotideihin muodostaen kaksisäikeisen DNA: n, mutta nukleotidit sitoutuvat vain hyvin spesifisillä tavoilla.
Nukleotidi A sitoutuu aina T: hen ja C G: hen.
Käyttämällä näitä ennustettavia sitoutumissääntöjä tutkijat pystyivät suunnittelemaan lyhyet DNA-säikeet ennustettavien kemiallisten reaktioiden suorittamiseksi in vitro ja siten laskemaan tehtäviä, kuten molekyylirakenteiden tunnistaminen.
Vuonna 2011 he loivat ensimmäisen keinotekoisen hermoverkon DNA-molekyyleistä, joka pystyi tunnistamaan neljä yksinkertaista mallia.
Heinäkuussa 2018 he paljastivat in vitro -tekoälyn, joka voi ratkaista klassisen koneoppimisongelman tunnistamalla käsinkirjoitetut numerot oikein.
Johtava tutkija Lulu Qian, biotekniikan laitoksen apulaisprofessori, sanoi: Vaikka tutkijat ovat vasta alkaneet tutkia keinotekoisen älykkyyden syntymistä molekyylikoneissa, sen potentiaalia on jo kiistaton.
Aivan kuten elektroniset tietokoneet ja älypuhelimet tekivät ihmisistä kykenevämmät kuin sata vuotta sitten, keinotekoiset molekyylikoneet pystyvät valmistamaan mitä tahansa molekyyleistä - myös maalit ja siteet - ja kykenevät paremmin reagoimaan ympäristöön seuraavan sadan vuoden aikana."
MITEN TAITEELLINEN ÄLYKÄS Oppia?
Tekoälyjärjestelmät luottavat keinotekoisiin hermoverkkoihin (ANN), jotka yrittävät jäljitellä aivojen toimintaa oppimiseksi.
ANN oppii tunnistamaan tietomallit, mukaan lukien puhe, tekstidata tai visuaaliset kuvat, ja ne ovat perustana suurelle määrälle tekoälyn kehitystä viime vuosina.
Perinteinen tekoäly käyttää syötteitä algoritmin kouluttamiseen tietystä aiheesta ja syöttää sille runsaasti tietoa.
Käytännön sovelluksia ovat Googlen kielenkäännöspalvelut, Facebookin kasvojentunnistusohjelmisto ja Snapchat-kuvankäsittelysuodattimet.
Näiden tietojen syöttö voi olla erittäin aikaa vievää ja rajoittua tietyntyyppiseen tietoon.
Uusi ANN-sukupolvi, nimeltään Adversarial Neural Networks, asettaa kahden tekoälyrobotin järjet toisiaan vastaan, jolloin he voivat oppia toisiltaan.
Tämän lähestymistavan tarkoituksena on nopeuttaa oppimisprosessia ja parantaa tekoälyjärjestelmien tuottamia päätelmiä.