Para ilmuwan menggunakan kecerdasan buatan untuk memandu otak menciptakan “robotic cacing”

Para ilmuwan menggunakan kecerdasan buatan untuk memandu otak menciptakan “robotic cacing”

Matius Hutson

Para ilmuwan telah mendemonstrasikan kolaborasi otak-AI yang menarik dengan membiarkan kecerdasan buatan memasuki sistem saraf cacing sepanjang milimeter, memungkinkan mereka memandu makhluk tersebut menuju goal yang lezat. Mereka melatih kecerdasan buatan menggunakan metode yang disebut pembelajaran penguatan mendalam. .

Studi ini dipublikasikan di kecerdasan mesin alamipeneliti melatih agen kecerdasan buatan untuk memerintahkan objek sepanjang milimeter Caenorhabditis elegans Cacing pergi ke negeri yang enak E.coli Dalam pelat berukuran 4 sentimeter, agen mencatat posisi dan orientasi setiap kepala dan tubuh cacing tiga kali per detik; selama 15 bingkai terakhir, agen menerima pesan-pesan ini untuk memahami masa lalu dan masa kini setiap momen. Agen juga dapat menyalakan atau mematikan lampu yang diarahkan ke cawan Petri.

Tim menguji enam garis genetik dengan jumlah neuron peka cahaya berkisar antara satu hingga 302. Stimulasi tersebut memiliki efek berbeda pada setiap garis. Misalnya, para ilmuwan dapat membuat cacing berputar atau mencegahnya berputar. Knowledge pelatihan dikumpulkan dengan menyalakan lampu secara acak pada worm selama lima jam, dan kemudian information tersebut diumpankan ke agen kecerdasan buatan untuk menemukan pola sebelum agen tersebut dilepaskan.

Tentang mendukung jurnalisme sains

Jika Anda menyukai artikel ini, mohon pertimbangkan untuk mendukung jurnalisme pemenang penghargaan kami dengan berlangganan.

Dengan menggunakan lima dari enam garis, termasuk garis yang semua neuronnya merespons cahaya, agen belajar memandu worm menuju tujuannya, yang lebih penting daripada membiarkan worm sendirian atau membiarkan cahaya menyala secara acak. Berjalan lurus menuju sasaran, namun jika ada rintangan kecil di jalurnya, cacing akan merayap disekitarnya.

T. Thang Vo-Doan, seorang insinyur di Universitas Queensland di Australia yang telah mempelajari serangga robotik secara independen, memuji pengaturan sederhana dari pekerjaan ini – pembelajaran penguatan bersifat fleksibel, dan kecerdasan buatan berdasarkan pembelajaran tersebut dapat mengetahui cara melakukan tugas-tugas kompleks. Penulis utama makalah tersebut, Harvard, mengatakan bahwa timnya dapat dengan mudah melihat bagaimana hal ini dapat diperluas ke masalah yang lebih sulit penyakit parkinson. Suatu hari nanti, pembelajaran penguatan yang dipadukan dengan implan bahkan dapat memberi kita keterampilan baru—gabungan jaringan saraf tiruan dan nyata.