Sztuczna inteligencja: chip zaprojektowany do symulacji aktywności mózgu
Ostatnia recenzja: 18.05.2024
Cała zawartość iLive jest sprawdzana medycznie lub sprawdzana pod względem faktycznym, aby zapewnić jak największą dokładność faktyczną.
Mamy ścisłe wytyczne dotyczące pozyskiwania i tylko linki do renomowanych serwisów medialnych, akademickich instytucji badawczych i, o ile to możliwe, recenzowanych badań medycznych. Zauważ, że liczby w nawiasach ([1], [2] itd.) Są linkami do tych badań, które można kliknąć.
Jeśli uważasz, że któraś z naszych treści jest niedokładna, nieaktualna lub w inny sposób wątpliwa, wybierz ją i naciśnij Ctrl + Enter.
Przez wiele dziesięcioleci naukowcy marzyli o stworzeniu systemu komputerowego, który mógłby powielać talent ludzkiego mózgu do odkrywania nowych wyzwań.
Naukowcy z Massachusetts Institute of Technology zrobili teraz ważny krok w tym kierunku, opracowując chip komputerowy, który naśladuje mechanizm adaptacji neuronów mózgowych w odpowiedzi na nowe informacje. Zjawisko to, znane jako plastyczność, jest uważane przez naukowców za podstawę wielu funkcji mózgu, w tym uczenia się i pamięci.
Około 400 tranzystorów i chip krzemowy mogą symulować aktywność pojedynczej synapsy mózgowej - połączenie między dwoma neuronami, co ułatwia przekazywanie informacji z jednego neuronu do drugiego. Naukowcy spodziewają się, że chip ten pomoże neurologom dowiedzieć się znacznie więcej na temat pracy mózgu, a także może zostać wykorzystany do opracowania protez neuronalnych, takich jak sztuczna siatkówka - mówi kierownik projektu Chi-Sang-poon.
Symulacja synaps
W mózgu jest około 100 miliardów neuronów, z których każdy tworzy synapsy z dużą liczbą innych neuronów. Synapsa - szczelina między dwoma neuronami (neurony presynaptyczne i postsynaptyczne). Neuron presynaptyczny wydziela neuroprzekaźniki, takie jak glutaminian i GABA, które wiążą się z receptorami na błonie postsynaptycznej komórki, aktywując kanały jonowe. Otwieranie i zamykanie tych kanałów prowadzi do zmiany potencjału elektrycznego ogniwa. Jeśli potencjał zmienia się wystarczająco dramatycznie, komórka wyzwala impuls elektryczny zwany potencjałem czynnościowym.
Cała aktywność synaptyczna zależy od kanałów jonowych, które kontrolują przepływ naładowanych jonów, takich jak sód, potas i wapń. Te kanały są również kluczowe w dwóch procesach znanych jako długotrwałe wzmacnianie (LTP) i długotrwała depresja (LLC), które odpowiednio wzmacniają i osłabiają synapsy.
Naukowcy opracowali własny układ komputerowy, dzięki któremu tranzystory mogą naśladować aktywność różnych kanałów jonowych. Podczas gdy większość układów pracuje w trybie binarnym - "on / off", prądy elektryczne na nowym chipie przepływają przez tranzystory w trybie analogowym. Gradient potencjału elektrycznego powoduje, że przepływ przepływa przez tranzystory w ten sam sposób, w jaki jony przechodzą przez kanały jonowe w komórce.
"Możemy dostosować parametry obwodu dla koncentracji na określonym kanale jonowym" - mówi Poon. "Teraz mamy sposób na uchwycenie każdego procesu jonowego zachodzącego w neuronie."
Nowy układ jest „znaczący postęp w wysiłkach zmierzających do opracowania neuronów biologicznych i plastyczności synaptycznej w CMOS [Complementary Metal-tlenek-półprzewodników] chipie”, mówi Dean Buonomano, profesor neurobiologii na University of California w Los Angeles, dodając, że „poziom realizmu biologicznej , robi wrażenie.
Naukowcy planują wykorzystać swój chip do stworzenia systemów do modelowania określonych funkcji neuronalnych, takich jak system przetwarzania obrazu. Takie systemy mogą być znacznie szybsze niż komputery cyfrowe. Nawet w wysoko wydajnych systemach komputerowych do symulacji prostych obwodów mózgowych potrzeba godzin lub dni. W przypadku analogowego układu scalonego symulacja przebiega szybciej niż w systemach biologicznych.
Kolejne potencjalne zastosowanie tych chipów, dostosowanie interakcji z systemami biologicznymi, takimi jak sztuczna siatkówka i mózg. W przyszłości te układy mogą stać się standardowymi blokami dla urządzeń sztucznej inteligencji, mówi Poon.
