На Международната конференция по органоиден интелект в САЩ австралийската компания Cortical Labs представи системата Hive („Кошера“), която обединява 15 съвременни биологични компютъра CL1. В духа на поговорката „една глава е добре, а две – още по-добре“, създателите на този биокомпютър установиха, че ако 15 изкуствени мозъка се обединят, човешките неврони, които се включват в тях, ще започнат да работят по-ефективно.

Идеята на изследователите от Cortical Labs се състоеше в това, вместо да се използва една система, работеща на базата на група мозъчни клетки, да се приложи екипна работа, за да се изведе решаването на задачи и процесът на обучение на качествено ново ниво. Само че увеличаването на броя на „главите“ не винаги гарантира успех, но в случая с Hive отделните модули CL1, по всичко личи, са си разпределили различните аспекти на поставената задача помежду си, като са намерили най-ефективния път към постигането на целта. При това отгледаните в лабораторията неврони са стигнали до това решение самостоятелно, когато са станали част от по-голяма мрежа — те не са преминавали никакво обучение.

Още по темата:

Как биокомпютърът с истински човешки мозъчни клетки научи да играе класически видеоигри?

„Природата взема решение за сложните задачи колективно“, каза Брет Каган, съосновател и ръководител на Cortical Labs. — В мозъка информацията се разпределя между специализирани области, а в пчелния рой множество индивиди, всеки от които изпълнява своята функция, съвместно постигат общ резултат. Hive прилага същия принцип към биологичните изчисления, създавайки системи, които могат да бъдат по-стабилни, устойчиви и ефективни от която и да е отделна клетъчна култура.“

По-ефективната работа

Тъй като става дума за живи клетки, една група неврони може в един ден да работи ефективно, а на следващия — да покаже понижена активност. Обединяването на няколко групи позволява поддържането на стабилна производителност чрез разпределяне на натоварването. Освен това тази система осигурява работоспособност дори в случай, че една от групите по някаква причина престане да реагира, пише New Atlas.

В хода на експеримент за разпознаване на символи специалистите от компанията изясниха, че обединяването на седем биологични изчислителни системи е позволило да се повиши точността на резултатите от около 80% до 99%.

В друг тест системата Hive управлява виртуален персонаж, който трябва да намери зададени обекти, придвижвайки се по мрежа. Разработчиците сравниха своята система с алгоритъма за AI Deep Q Network (DQN). DQN успя да събере около 32% от максималния възможен брой точки, докато най-добрият резултат на отделния биологичен изчислителен модул Cortical беше 40%.

При съвместно вземане на решения от няколко такива модула показателят се повиши до около 70%. Разпределянето на задачата между специализирани групи от биологични невронни мрежи позволи да се постигнат още по-високи резултати — около 80%.

Сега изследователите искат да разберат как невроните във взаимосвързаната система предават сигналите и обработват обратната връзка, въпреки че увеличаването на броя на връзките няма да помогне за постигането на още по-значими резултати.