Mokslininkai mėgintuvėlyje, naudodami DNR molekules, sukūrė dirbtinį intelektą ir yra įsitikinę, kad jis netrukus pradės formuoti savo „prisiminimus“.
Mokslininkai laboratorijoje sukūrė dirbtinį neuronų tinklą, sukurtą tik iš DNR ir imituojantį smegenų darbą.
Mėgintuvėlio dirbtinis intelektas gali išspręsti klasikinę mašininio mokymosi problemą teisingai nustatydamas ranka parašytus skaičius.
Mokslininkai teigia, kad šis darbas yra reikšmingas žingsnis pademonstruojant galimybę programuoti dirbtinį intelektą dirbtinėse organinėse grandinėse.
Vieną dieną tai gali sukelti humanoidinius robotus, pagamintus iš visiškai organinių medžiagų, o ne šou kultūroje populiarius blizgančius metalinius kibernetinius žmones.
Tyrėjai įsitikinę, kad prietaisas netrukus pradės formuoti savo „prisiminimus“iš mėginių, įdėtų į mėgintuvėlį.
Jų pagrindinis tikslas yra užprogramuoti protingą elgesį, pvz., Gebėjimą apskaičiuoti, pasirinkti ir dar daugiau, naudojant dirbtinius neuroninius tinklus, pagamintus iš DNR.
Menininko piešinys yra dirbtinis neuroninis tinklas, sukurtas iš DNR.
Reklaminis vaizdo įrašas:
Kalifornijos technologijos institutas pasirinko problemą, kuri yra klasikinis iššūkis sprendžiant elektroninių dirbtinių neuroninių tinklų, atpažįstančių ranka rašytą tekstą, problemą.
Tai buvo viena pirmųjų problemų, kurias išsprendė kompiuterio regėjimo tyrinėtojai, ir idealus metodas DNR pagrįstų neuroninių tinklų galimybėms parodyti.
Asmens rašysena gali labai skirtis, todėl, kai žmogus tiria užrašytą skaičių seką, smegenys atlieka sudėtingas skaičiavimo užduotis, kad jas identifikuotų.
Kadangi net žmonėms sunku atpažinti aplaistytą ranka, ranka rašytų skaičių nustatymas yra įprastas intelekto programavimo intelekto intelekto tinkluose testas.
Šie tinklai turi būti „apmokyti“atpažinti skaičius, atsižvelgti į rašysenos skirtumus ir tada palyginti nežinomą skaičių su jų vadinamosiomis atmintimis ir nustatyti numerio identifikavimą.
Komanda parodė, kad išsivysčiusių DNR sekų neuroninis tinklas gali atlikti chemines reakcijas, rodančias, kad jis teisingai nustatė „molekulinę rašyseną“.
Kai nurodomas nežinomas skaičius, ši vadinamoji „išmanioji sriuba“patiria daugybę reakcijų ir skleidžia du fluorescuojančius signalus, pavyzdžiui, žalia ir geltona spalva reiškia penkis, o žalia ir raudona - devynis.
KODĖL TYRĖJAI NAUDOJO DNR
VEIKLOS KŪRIMAS VAMZDŽIUJE?
Raktas norint pagaminti iš DNR biomolekulines grandines yra griežtos jungimosi tarp DNR molekulių taisyklės.
Vienos grandinės DNR molekulė susideda iš mažesnių molekulių, vadinamų nukleotidais - sutrumpintais A, T, C ir G -, esančiais virtinėje arba sekoje.
Vienos grandinės DNR molekulės nukleotidai gali prisijungti prie kitos vienos grandinės nukleotidų, kad susidarytų dvigubos grandinės DNR, tačiau nukleotidai jungiasi tik labai specifiniais būdais.
Nukleotidas A visada jungiasi su T, o C - su G.
Naudodamiesi šiomis nuspėjamomis rišimosi taisyklėmis, mokslininkai galėjo sukurti trumpas DNR grandines, kad in vitro vyktų nuspėjamos cheminės reakcijos, ir taip apskaičiuoti užduotis, pavyzdžiui, atpažinti molekulines struktūras.
2011 m. Jie sukūrė pirmąjį dirbtinį neuroninį DNR molekulių tinklą, galintį atpažinti keturis paprastus modelius.
2018 m. Liepos mėn. Jie pristatė dirbtinį intelektą in vitro, kuris gali išspręsti klasikinę mašininio mokymosi problemą teisingai nustatydamas ranka parašytus skaičius.
Vadovaujantis tyrėjas Lulu Qianas, Bioinžinerijos katedros docentas, sakė: „Nors mokslininkai ką tik pradėjo tyrinėti dirbtinio intelekto kūrimą molekulinėse mašinose, jo galimybės jau yra neginčijamos.
Kaip elektroniniai kompiuteriai ir išmanieji telefonai padarė žmones pajėgesnius nei prieš šimtą metų, dirbtinės molekulinės mašinos galės pagaminti viską, kas pagaminta iš molekulių, įskaitant net dažus ir tvarsčius, ir per ateinančius šimtą metų taps pajėgesnė ir labiau reaguoti į aplinką.."
KAIP MOKO DALINIO intelekto?
PG sistemos remiasi dirbtiniais neuroniniais tinklais (ANN), kurie bando imituoti smegenų darbą, kad galėtų mokytis.
ANN išmoks atpažinti informacijos, įskaitant kalbą, tekstinius duomenis ar vaizdinius vaizdus, modelius ir yra daugelio pastarųjų metų AI raidos pagrindas.
Įprastas dirbtinis intelektas naudoja įvestis algoritmui apie konkretų subjektą mokyti, suteikdamas jam daug informacijos.
Praktinės programos apima „Google“kalbos vertimo paslaugas, „Facebook“veido atpažinimo programinę įrangą ir „Snapchat“vaizdo redagavimo filtrus.
Šių duomenų įvedimas gali užimti daug laiko ir apsiriboti vienos rūšies žiniomis.
Nauja ANN karta, vadinama „Adversarial Neural Networks“, supriešina dviejų AI robotų protą ir leidžia jiems mokytis vieniems iš kitų.
Šiuo požiūriu siekiama pagreitinti mokymosi procesą ir patobulinti dirbtinio intelekto sistemų padarytas išvadas.