Клетки присоединяются к растущей группе игроков в понг, включая свиней, которых научили манипулировать джойстиками с помощью своих морд, и обезьян, способных управлять игрой с помощью разума. (Алгоритмы искусственного интеллекта (ИИ) DeepMind от Google освоили Pong много лет назад 3 и перешли к более сложным компьютерным играм , таким как StarCraft II)
Клетки геймера реагируют не на визуальные сигналы на экране, а на электрические сигналы от электродов в чашке. Эти электроды одновременно стимулируют клетки и регистрируют изменения активности нейронов. Затем исследователи преобразовали сигналы стимуляции и клеточные реакции в визуальное изображение игры . Результаты опубликованы сегодня в Neuron .
Интеллект в тарелке
Работа является доказательством того, что нейроны в чашке могут обучаться и проявлять основные признаки интеллекта, говорит ведущий автор Бретт Каган, главный научный сотрудник Cortical Labs в Мельбурне, Австралия. «В современных учебниках нейроны рассматриваются преимущественно с точки зрения их значения для биологии человека или животных», — говорит он. «Они не считаются информационным процессором, но нейрон — это удивительная система, которая может обрабатывать информацию в режиме реального времени с очень низким энергопотреблением».
Хотя компания называет свою систему DishBrain, нейроны далеки от настоящего мозга, говорит Каган, и не проявляют никаких признаков сознания. Определение интеллекта также горячо обсуждается; Каган определяет ее как способность сопоставлять информацию и применять ее в адаптивном поведении в данной среде.
Работа Cortical Labs следует за работой нейроинженера Стива Поттера, который сейчас работает в Технологическом институте Джорджии в Атланте, и его коллег. В 2008 году группа сообщила, что нейроны, культивированные у крыс, могут демонстрировать обучаемость и целенаправленное поведение.
Массив нервных клеток под названием DishBrain за работой. Цвета обозначают различные типы нервных клеток и их компонентов. Кредит: Cortical Labs
По словам Поттера, работа Cortical Labs позволяет использовать более сложные технологии и аналитические инструменты. Его оригинальные блюда имели десятки электродов; у каждого DishBrain тысячи. Группа Поттера изучала только клетки грызунов, но команда DishBrain также тестировала нейроны, полученные из клеток человека.
Исследователи использовали свою систему, чтобы научить нейроны реагировать на электрический сигнал, который заменяет мяч в понге. В игре игрок перемещает вертикальную ракетку вверх и вниз по экрану, чтобы перехватить прыгающий мяч. В эксперименте нейроны управляли веслом.
Авторы представили маршрут мяча, стимулируя нейроны вдоль пути мяча относительно ракетки. Ответы от нейронов в другом регионе сети использовались для перемещения весла вверх или вниз.
По словам Кагана, чтобы научить нейроны бить по мячу, он и его команда использовали теорию о том, что нейроны имеют тенденцию повторять действия, которые создают предсказуемую среду. Когда нейроны реагировали таким образом, что это соответствовало удару по мячу, они стимулировались в одном и том же месте и с одинаковой частотой каждый раз. Если они пропускали мяч, сеть стимулировалась электродами в случайных местах и на разных частотах. Со временем нейроны научились бить по мячу, чтобы получать шаблонный ответ, а не случайный.
Не просто игра
Работа является важным шагом на пути к разработке тестов, которые можно было бы использовать, например, для проверки потенциального влияния нового препарата на функцию нейронов, говорит нейробиолог Такуя Исомура из Центра исследований мозга RIKEN в Сайтаме, Япония. Но, добавляет он, пока неясно, вели ли себя нейроны так, чтобы создать предсказуемую среду, или в ответ на какой-то другой аспект сигналов, которые они получили. «Я думаю, что следующим важным шагом будет подробное объяснение того, какие стимулы действительно могут иметь такое значение», — говорит он.
Cortical Labs также стремится в конечном итоге использовать нейроны для разработки «биологических процессоров» для использования в вычислениях. По словам Поттера, методы, разработанные для DishBrain, достаточно количественные, чтобы их можно было использовать для сравнения различий в обучении между разными животными или между клетками из разных областей мозга.
Между тем, по его словам, решение воплотить деятельность DishBrain в виде игры Pong было мастерским ходом. «Люди, интересующиеся ИИ, очень заинтересованы во всем, что может играть в понг », — говорит Поттер. «Это было блестящее решение».
doi: https://doi.org/10.1038/d41586-022-03229-y
https://www.nature.com/articles/d41586-022-03229-y