Wetenschappers hebben kunstmatige intelligentie gecreëerd in een reageerbuis met behulp van DNA-moleculen, en ze zijn ervan overtuigd dat het binnenkort zijn eigen 'herinneringen' zal gaan vormen.
Een kunstmatig neuraal netwerk dat volledig is gemaakt van DNA en de werking van de hersenen nabootst, is gemaakt door wetenschappers in het laboratorium.
Reageerbuis-AI zou het klassieke machine learning-probleem kunnen oplossen door handgeschreven getallen correct te identificeren.
Het werk is een belangrijke stap in het aantonen van het vermogen om AI in kunstmatige organische circuits te programmeren, zeggen wetenschappers.
Dit zou op een dag kunnen leiden tot humanoïde robots gemaakt van volledig organische materialen, in plaats van de glanzende metalen cybermannen die populair zijn in de showcultuur.
De onderzoekers zijn ervan overtuigd dat het apparaat binnenkort zijn eigen "herinneringen" gaat vormen uit de monsters die aan de reageerbuis worden toegevoegd.
Hun uiteindelijke doel is om intelligent gedrag te programmeren, zoals het vermogen om te rekenen, keuzes te maken en meer, met behulp van kunstmatige neurale netwerken gemaakt van DNA.
De tekening van de kunstenaar is een kunstmatig neuraal netwerk dat is gemaakt van DNA.
Promotie video:
Het California Institute of Technology koos een probleem dat een klassieke uitdaging is voor het oplossen van het probleem van elektronische kunstmatige neurale netwerken die handgeschreven tekst herkennen.
Het was een van de eerste problemen die werden opgelost door computer vision-onderzoekers en een ideale methode om de mogelijkheden van op DNA gebaseerde neurale netwerken te illustreren.
Het handschrift van een persoon kan sterk variëren, en daarom, wanneer iemand een geschreven reeks getallen bestudeert, voeren de hersenen complexe computertaken uit om ze te identificeren.
Omdat het zelfs voor mensen moeilijk is om elkaars slordige handschrift te herkennen, is het identificeren van handgeschreven getallen een veelgebruikte test voor het programmeren van intelligentie in neurale AI-netwerken.
Deze netwerken moeten worden "getraind" om getallen te herkennen, rekening te houden met verschillen in handschrift en vervolgens het onbekende nummer te vergelijken met hun zogenaamde geheugens en de identificatie van het nummer te bepalen.
Het team toonde aan dat een neuraal netwerk van uitgebreide DNA-sequenties chemische reacties kan uitvoeren, wat aangeeft dat het correct identificeert "moleculair handschrift".
Wanneer een onbekend nummer wordt gegeven, ondergaat deze zogenaamde "slimme soep" een reeks reacties en zendt twee fluorescerende signalen uit, bijvoorbeeld groen en geel voor vijf, of groen en rood voor negen.
WAAROM ONDERZOEKERS DNA VOOR HEBBEN GEBRUIKT
AI CREËREN IN EEN TUBE?
De sleutel tot het maken van bio-moleculaire strengen van DNA zijn de strikte regels voor de binding tussen DNA-moleculen.
Een enkelstrengs DNA-molecuul bestaat uit kleinere moleculen die nucleotiden worden genoemd - afgekort A, T, C en G - die zich in een reeks of reeks bevinden.
Nucleotiden in een enkelstrengs DNA-molecuul kunnen binden aan nucleotiden op een andere enkelstrengs streng om dubbelstrengs DNA te vormen, maar nucleotiden binden alleen op zeer specifieke manieren.
Nucleotide A bindt altijd aan T en C aan G.
Met behulp van deze voorspelbare bindende regels konden de onderzoekers korte DNA-strengen ontwerpen om voorspelbare chemische reacties in een reageerbuis te ondergaan en zo problemen te berekenen zoals het herkennen van moleculaire structuren.
In 2011 creëerden ze het eerste kunstmatige neurale netwerk van DNA-moleculen dat vier eenvoudige patronen kon herkennen.
In juli 2018 onthulden ze kunstmatige intelligentie in vitro die het klassieke machine learning-probleem kan oplossen door handgeschreven cijfers correct te identificeren.
Hoofdonderzoeker Lulu Qian, universitair hoofddocent bij de afdeling Bioengineering, zei: “Hoewel wetenschappers net begonnen zijn met het onderzoeken van de creatie van kunstmatige intelligentie in moleculaire machines, is het potentieel ervan al onmiskenbaar.
Net zoals elektronische computers en smartphones mensen bekwamer hebben gemaakt dan honderd jaar geleden, zullen kunstmatige moleculaire machines alles kunnen maken dat van moleculen is gemaakt - inclusief zelfs verf en verband - en de komende honderd jaar capabeler worden en beter reageren op de omgeving.."
HOE LEREN KUNSTMATIGE INTELLIGENTIE?
AI-systemen vertrouwen op kunstmatige neurale netwerken (ANN's) die proberen de manier waarop de hersenen werken na te bootsen om te leren.
ANN's zullen patronen in informatie leren herkennen, inclusief spraak, tekstuele gegevens of visuele beelden, en vormen de basis voor een groot aantal AI-ontwikkelingen in de afgelopen jaren.
Conventionele AI gebruikt inputs om een algoritme over een bepaald onderwerp te trainen, waardoor het een schat aan informatie krijgt.
Praktische toepassingen zijn onder meer de vertaaldiensten van Google, gezichtsherkenningssoftware op Facebook en Snapchat-filters voor het bewerken van afbeeldingen.
Het proces van het invoeren van deze gegevens kan extreem tijdrovend zijn en beperkt tot één soort kennis.
Een nieuwe generatie ANN's, genaamd Adversarial Neural Networks, zet het verstand van twee AI-bots tegen elkaar op, waardoor ze van elkaar kunnen leren.
Deze aanpak is bedoeld om het leerproces te versnellen en de gevolgtrekkingen die door AI-systemen worden gegenereerd te verbeteren.
