هوش مصنوعی و مغزهای زنده؛ تشکیل «ذهن جمعی» توسط کامپیوترهای بیولوژیک
تحقیقات اخیر در زمینه‌ی رایانش بیولوژیک امکان دست‌یابی به یک شبکه‌ی همکاری به نام HIVE را فراهم آورد که توسط ۱۵ کامپیوتر زیستی ساخته شده از سلول‌های زنده‌ی مغز انسان ایجاد شده است. این پیشرفت نشان‌دهنده‌ی آن است که نورون‌های زنده، زمانی که به شکل یک شبکه‌ی مشترک عمل می‌کنند، می‌توانند نسبت به حالت‌های جداگانه، توانایی‌های پردازش و یادگیری بسیار بهتری را ارائه دهند.
شرکت استرالیایی کورتیکال لبز در اولین کنفرانس بین‌المللی هوش ارگانوئیدی در واشنگتن، از ادغام ۱۵ واحد از کامپیوترهای زیستی نوآورانه‌ی CL1 رونمایی کرد. این کامپیوترهای متصل، در این سیستم توانسته‌اند وظایف مختلف را به طور مؤثر بین خود تقسیم کرده و بدون نیاز به آموزش مستقیم، بهترین راه‌حل‌های موجود را بیابند.
دکتر برت کیگان، یکی از بنیان‌گذاران و مدیرعامل کورتیکال لبز، اظهار داشت: «رایانش زیستی دارای ظرفیت‌های بسیار بالایی است؛ اما سیستم‌های کاربردی نمی‌توانند به یک کشت واحد و مستقل که همیشه کارایی ثابت دارد، وابسته شوند.»
حل مسائل پیچیده به‌صورت جمعی در طبیعت
«طبیعت به‌طور جمعی به حل مشکلات پیچیده می‌پردازد. مغزها اطلاعات را در نواحی خاصی توزیع می‌کنند و در عین حال، کندوها به کارگران متعدد متکی هستند تا با وظایف مشخص خود، به تولید یک نتیجه‌ی مشترک کمک کنند. HIVE این مفهوم را در کلیدهای رایانش زیستی به کار می‌گیرد و سیستم‌هایی را طراحی می‌کند که می‌توانند از تمامی کشت‌های مجزا برتر و کارآمدتر عمل کنند. پردازش هم‌زمان اطلاعات عصبی، موضوع جدیدی نیست، اما اکنون به دلیل کنترل استثنائی، مقیاس و ادغام سخت‌افزاری بی‌نظیر پلتفرم CL1 کورتیکال لبز، به مقیاسی رسیده‌ایم که قادر به فراتر رفتن از محدودیت‌های فیزیولوژیکی است.»
سلول‌های زنده به‌واسطه‌ی ذات بیولوژیک خود ممکن است در روزهای مختلف نوساناتی در عملکردشان داشته باشند؛ اما ترکیب چند واحد عصبی موجب توزیع بار کار و ادامه‌ی پردازش حتی در مواردی که یک بخش دچار نقص شود، خواهد شد.
نتایج آزمایش‌ها نشان داده است که ترکیب هفت کامپیوتر زیستی توانسته دقت شناسایی نمادها را از ۸۰ درصد به ۹۹ درصد ارتقا دهد. در آزمایشی دیگر که برای هدایت یک شخصیت مجازی انجام شد، الگوریتم استاندارد هوش مصنوعی با نام Deep Q Network امتیاز ۳۲ درصد را به‌دست آورد، در حالی که بهترین کامپیوتر زیستی تک به امتیاز ۴۰ درصد رسید و عملکرد جمعی آن‌ها به ۷۰ و حتی ۸۰ درصد ارتقاء یافت.
جانسون ژو، پژوهشگر کورتیکال لبز، بیان کرد: «یک بافت کشت‌شده ممکن است در یک روز عملکرد بسیار خوبی از خود نشان دهد در حالی که بافتی دیگر از این نظرضعیف باشد. هنگامی که کشت‌ها همکاری می‌کنند، اثرات تفاوت‌های فردی بر نتیجه‌های نهایی کاهش پیدا می‌کند. HIVE راه‌حلی برای مدیریت این نوسانات ارائه می‌دهد و به همین دلیل توانایی انطباق‌پذیری بیشتری دارد که به قدرت سیستم‌های زیستی می‌افزاید.»
محققان کورتیکال لبز در مراحل آینده به بررسی روش‌های ارسال پیام و پردازش اطلاعات بازخورد میان این ماشین‌های زیستی خواهند پرداخت تا به سمت سیستم‌های یادگیری ماشین با کارایی انرژی بسیار بالاتر حرکت کنند.
