27/10/2021
Door Ad Spijkers
Elektrische impulsen sturen robots met hersenzenuwcellen door een doolhof.
Kan robots intelligentie worden geleerd? Vooruitgang in technologie die hersensignalen begrijpt, zou kunnen bijdragen aan het creëren van kunstmatige-intelligentiemachines die denken zoals wij. Onderzoekers van de Universiteit van Tokyo hebben een robot geleerd om door een doolhof te navigeren door een kweek van hersenzenuwcellen die op de machine zijn aangesloten, elektrisch te stimuleren.
Neuronen
Deze zenuwcellen, of neuronen, werden gekweekt uit levende cellen en fungeerden als het fysieke reservoir voor de computer om coherente signalen te construeren. De signalen worden beschouwd als homeostatische signalen, die de robot vertellen dat de interne omgeving binnen een bepaald bereik werd gehouden en als een basislijn fungeerden terwijl deze vrij door het doolhof bewoog.
Telkens wanneer de robot de verkeerde kant op draaide of de verkeerde kant op keek, werden de neuronen in de celcultuur verstoord door een elektrische impuls. Tijdens de proeven kreeg de robot voortdurend homeostatische signalen die werden onderbroken door de storingssignalen totdat hij de doolhoftaak met succes had opgelost.
Deze bevindingen suggereren dat doelgericht gedrag kan worden gegenereerd zonder extra leren door storingssignalen naar een belichaamd systeem te sturen. De robot kon de omgeving niet zien of andere zintuiglijke informatie verkrijgen, dus hij was volledig afhankelijk van de elektrische trial-and-error impulsen.
Reservoir computing
De onderzoekers werden geïnspireerd door eerdere experimenten om te veronderstellen dat intelligentie in een levend systeem voortkomt uit een mechanisme. Dit haalt een coherente output uit een ongeorganiseerde of een chaotische staat.
Met behulp van dit principe laten de onderzoekers zien dat intelligente taak oplossende vaardigheden kunnen worden geproduceerd met behulp van fysieke reservoir computers om chaotische neuronale signalen te extraheren en homeostatische of storingssignalen te leveren. Daarbij creëert de computer een reservoir dat begrijpt hoe de taak moet worden opgelost.
Het brein van een basisschoolkind is niet in staat wiskundige problemen op te lossen bij een toelatingsexamen voor een universiteit. Mogelijk komt dat omdat de dynamiek van de hersenen of hun 'fysieke reservoir computer' niet rijk genoeg is. Taakoplossend vermogen wordt bepaald door hoe rijk een repertoire van tijdruimtelijke patronen het netwerk kan genereren.
Het onderzoeksteam gelooft dat het gebruik van fysieke reservoir computing in deze context zal bijdragen aan een beter begrip van de mechanismen van de hersenen en kan leiden tot de nieuwe ontwikkeling van een neuromorfe computer.
Het volledige artikel is te lezen op de site van het American Institute of Physics. Een video van een experiment vindt u hier.
Foto: Yuichiro Yada, Shusaku Yasuda en Hirokazu Takahashi