در چرخشی نو بر عبارت «دو سر بهتر از یکی»، سازندگان نخستین رایانه زیستی جهان دریافته‌اند که کنار هم قرار دادن ۱۵ مغز مصنوعی منجر به عملکرد بهتر و هوشمندانه‌تر نورون‌های انسانی به صورت جمعی شده است.
این مدل جدید در هفته جاری در اولین کنفرانس بین‌المللی هوش ارگانوئیدی در ایالات متحده ارائه شد؛ جایی که شرکت استرالیایی کورتیکال لبز سیستم جدید خود را با نام کاملاً مناسب HIVE معرفی کرد.
این سیستم شامل اتصال ۱۵ مورد از رایانه‌های زیستی انقلابی CL1 این شرکت است، با این ایده که شاید به جای حل مسائل و یادگیری وظایف توسط یک ماشین مجهز به یک گروه سلول مغزی، کار تیمی آن را به سطح دیگری ارتقا دهد.
اگرچه قدرت پردازش بیشتر به طور خودکار منجر به موفقیت نمی‌شود – هر کسی که پروژه گروهی انجام داده باشد به خوبی از این موضوع آگاه است – اما دستگاه‌های CL1 در HIVE به نظر می‌رسید جنبه‌های مختلف وظیفه ارائه شده را تقسیم می‌کنند و به کارآمدترین روش رسیدن به نقطه پایان مرتب می‌شوند. این چیزی نیست که دانشمندان بتوانند به نورون‌های کشت‌یافته در آزمایشگاه «آموزش» دهند؛ آن‌ها صرفاً پس از پیوستن به یک شبکه بزرگ‌تر، راه‌حل را پیدا کردند.
«محاسبات زیستی پتانسیل عظیمی دارد، اما سیستم‌های مفید نمی‌توانند به عملکرد کامل تک‌تک کشت‌ها در هر بار وابسته باشند»، به گفته دکتر برت کاگان، بنیانگذار مشترک و مدیرعامل کورتیکال لبز.
«طبیعت مسائل پیچیده را به صورت جمعی حل می‌کند»، او اضافه می‌کند. «مغزها اطلاعات را در مناطق تخصصی توزیع می‌کنند، در حالی که کندوها به بسیاری از کارگران متکی هستند که هر کدام توابع خاص خود را دارند و به یک نتیجه مشترک کمک می‌کنند. HIVE همان اصل را به محاسبات زیستی اعمال می‌کند و سیستم‌هایی ایجاد می‌کند که می‌توانند سازگارتر، مقاوم‌تر و توانمندتر از هر کشت منفرد باشند.
«سیستم‌های پردازش اطلاعات عصبی گسسته که با هم کار می‌کنند برای طبیعت جدید نیست، اما اکنون ما مقیاسی داریم که می‌تواند از محدودیت‌های فیزیولوژیکی فراتر رود، امکانی که به لطف کنترل، مقیاس و یکپارچگی سخت‌افزاری فوق‌العاده پلتفرم CL1 کورتیکال لبز فراهم شده است.»
به گفته تیم، تنظیمات HIVE نه تنها قابل توسعه است بلکه پایدارتر نیز می‌باشد.
از آنجایی که این‌ها سلول‌های زنده هستند، ممکن است یک گروه نورونی یک روز عملکرد خوبی داشته باشد و روز بعد سست شود. ترکیب چند گروه به حفظ عملکرد از طریق تقسیم بار کمک می‌کند. همچنین این امکان را به سیستم می‌دهد که اگر یک گروه به هر دلیلی پاسخگو نباشد، همچنان به کار خود ادامه دهد.
در آزمونی شامل تشخیص نمادها، کورتیکال گزارش می‌کند که اتصال هفت رایانه زیستی دقت نتایج را از حدود ۸۰ درصد به ۹۹ درصد افزایش داد.
آزمون دیگر شامل هدایت شخصیت مجازی توسط HIVE از طریق یک شبکه برای یافتن هدف مشخص بود. تیم سیستم خود را با هوش مصنوعی معمولی شبکه کیو عمیق (DQN)، که از الگوریتم‌ها به جای سلول‌های مغزی استفاده می‌کند، مقایسه کرد.
DQN حدود ۳۲ درصد از حداکثر امتیاز را کسب کرد، در حالی که بهترین رایانه منفرد کورتیکال به ۴۰ درصد رسید. زمانی که چندین رایانه زیستی در تعیین حرکات دخالت کردند، امتیاز به حدود ۷۰ درصد جهش یافت. تقسیم وظیفه بین گروه‌های تخصصی محاسبات زیستی حتی نتایج بالاتری (حدود ۸۰ درصد) بازگرداند.
مهم است توجه داشت که این‌ها نتایج اولیه هستند و محدود به طراحی آزمایشی و مدل هوش مصنوعی‌ای که HIVE با آن مقایسه می‌شد، می‌باشند. اما تیم کورتیکال لبز می‌گوید که استدلال قوی‌ای برای کار جمعی محاسبات شبکه عصبی به جای استفاده منفرد از این ماشین‌ها ارائه می‌دهد.
به طور طبیعی، تیم اکنون می‌خواهد کشف کند که نورون‌ها چگونه در این ماشین‌های متصل سیگنال‌دهی و بازخورد را پردازش می‌کنند و همچنین ببیند آیا افزودن اتصالات بیشتر می‌تواند عقربه را حتی بیشتر به سمت درست حرکت دهد یا خیر.
«یک کشت ممکن است در یک روز خاص عملکرد بسیار خوبی داشته باشد در حالی که کشت دیگر چنین نیست»، به گفته جانسون ژو، دانشمند کورتیکال لبز. «وقتی کشت‌ها با هم کار می‌کنند، تفاوت‌های فردی تأثیر کمتری بر نتیجه نهایی دارند. HIVE راهی برای مدیریت آن نوسانات در حالی که از انعطاف‌پذیری که سیستم‌های زیستی را قدرتمند می‌کند بهره می‌برد، به ما می‌دهد.»
علاوه بر کاربردهای عملی، این نوع سیستم راهی بسیار کم‌مصرف‌تر برای بهره‌برداری از یادگیری ماشین است.
این تحقیق در اولین کنفرانس بین‌المللی هوش ارگانوئیدی (ICOI) که در تاریخ ۲۶ و ۲۷ اکتبر در واشنگتن دی.سی. برگزار شد، ارائه گردید.
منبع: کورتیکال لبز