Έχουμε δει ένα σωρό συσκευές να παίζουν Doom, από ψυγεία, μέχρι ξυπνητήρια, όμως σήμερα έχουμε κάτι πολύ ξεχωριστό γύρω από το δημοφιλές παιχνίδι. Ένα σύμπλεγμα εγκεφαλικών κυττάρων σε εργαστήριο, κατάφερε να παίξει το θρυλικό παιχνίδι. Φυσικά, μερικά εγκεφαλικά κύτταρα δεν παίζουν το ίδιο καλά με ένα πλήρη άνθρωπο, όμως το ότι μπορούν να παίξουν, είναι τεράστιο επίτευγμα της επιστήμης και ένα βήμα πιο κοντά στην ανάπτυξη βιολογικών υπολογιστών, για πολύ συγκεκριμένες λειτουργίες.
Το επίτευγμα ανήκει στην Cortical Labs της Αυστραλίας και είναι η ίδια εταιρεία που το 2021 είχε παρουσιάσει ένα νευρωνικό σύστημα ικανό να παίξει ένα από τα πρώτα και πολύ απλά παιχνίδια, το Pong. Τότε, η υλοποίηση χρησιμοποιούσε 800.000 ζωντανά εγκεφαλικά κύτταρα, που καλλιεργήθηκαν πάνω σε συστοιχίες μικροηλεκτροδίων. Μέσω αυτών, μπορούσαν να στείλουν και να λάβουν ηλεκτρικά σήματα, για την επικοινωνία των κυττάρων με τα συστήματα της εταιρείας. Στη συνέχεια, οι επιστήμονες έπρεπε να εκπαιδεύσουν το chip με τα εγκεφαλικά κύτταρα, ώστε να ελέγχει τις ρακέτες του Pong
Τώρα, η εταιρεία κάνει το επόμενο βήμα, αναπτύσσοντας μια διεπαφή, που επιτρέπει τον προγραμματισμό των κυττάρων, μέσω Python. Με αυτό τον τρόπο κάνουν τη διαδικασία αρκετά πιο εύκολη και προσβάσιμη. Στη συνέχεια, ο ανεξάρτητος προγραμματιστής Sean Cole, έγραψε κώδικα σε Python για να διδάξει τα chip από ανθρώπινα εγκεφαλικά κύτταρα, πως να παίξουν Doom, με όλη τη διαδικασία να διαρκεί περίπου μια εβδομάδα.
«Σε αντίθεση με την εργασία Pong που κάναμε πριν από λίγα χρόνια, η οποία αντιπροσώπευε χρόνια επίπονης επιστημονικής προσπάθειας, αυτή η επίδειξη έγινε μέσα σε λίγες μέρες από κάποιον που προηγουμένως είχε σχετικά μικρή εμπειρία στην άμεση εργασία με τη βιολογία», λέει ο Brett Kagan των Cortical Labs. «Είναι αυτή η προσβασιμότητα και αυτή η ευελιξία που την κάνει πραγματικά συναρπαστική».
Το chip από εγκεφαλικά κύτταρα έπαιζε καλύτερα Doom από κάποιον εντελώς άσχετο με το Doom που πατάει τυχαία πλήκτρα, αλλά αρκετά χειρότερο από κάποιον που έχει παίξει το παιχνίδι. Όμως, το σύστημα μαθαίνει πολύ γρήγορα, ακόμα και από τα παραδοσιακά συστήματα μηχανική μάθησης που βασίζονται στο πυρίτιο και θα βελτιώνεται όσο παίζει και όσο βελτιώνονται οι αλγόριθμοι μάθησης.
Ωστόσο, δεν είναι χρήσιμο να συγκρίνουμε τα τσιπ με ανθρώπινους εγκεφάλους, λέει. «Ναι, είναι ζωντανό και ναι, είναι βιολογικό, αλλά στην πραγματικότητα αυτό που χρησιμοποιείται είναι ένα υλικό που μπορεί να επεξεργάζεται πληροφορίες με πολύ ιδιαίτερο τρόπο», που δεν μπορούμε να αναδημιουργήσουμε στο πυρίτιο.
Οι υποβρύχιες κατασκευές στο μνημείο Yonaguni μάλλον δεν κατασκευάστηκαν από ανθρώπους
«Το Doom είναι πολύ πιο περίπλοκο από προηγούμενες επιδείξεις και η επιτυχής αλληλεπίδραση με αυτό υπογραμμίζει πραγματικές προόδους στον τρόπο με τον οποίο μπορούν να ελεγχθούν και να εκπαιδευτούν τα ζωντανά νευρωνικά συστήματα», λέει ο Andrew Adamatzky στο Πανεπιστήμιο της Δυτικής Αγγλίας από το Μπρίστολ του Ηνωμένου Βασιλείου.
Αν και το επίτευγμα είναι μεγάλο, υπάρχουν πολλά ακόμα που δε γνωρίζουμε για τα νευρωνικά chips και για όλα όσα μπορούν να καταφέρουν. Ένα από αυτά είναι το πως βλέπουν την οθόνη, χωρίς να έχουν κάποιο σύστημα όρασης.
Ακόμα και έτσι όμως, η αύξηση της χρησιμότητας και των δυνατοτήτων είναι σίγουρα συναρπαστική και μας φέρνει πιο κοντά σε πιο χρήσιμες εφαρμογές στον πραγματικό κόσμο. Μέσα σε αυτές θα μπορεί να είναι ο έλεγχος ενός ρομποτικού βραχίονα με βιολογικά chips. Το να μπορεί αυτό το chip να εκπαιδευτεί για να παίζει παιχνίδια σαν το Doom, είναι μια πιο απλή εκδοχή του ελέγχου ενός βραχίονα, λένε οι ερευνητές.
«Αυτό που είναι συναρπαστικό εδώ δεν είναι μόνο ότι ένα βιολογικό σύστημα μπορεί να παίξει Doom, αλλά ότι μπορεί να αντιμετωπίσει την πολυπλοκότητα, την αβεβαιότητα και τη λήψη αποφάσεων σε πραγματικό χρόνο», λέει ο Adamatzky. «Αυτό είναι πολύ πιο κοντά στα είδη των προκλήσεων που θα πρέπει να αντιμετωπίσουν οι μελλοντικοί βιολογικοί ή υβριδικοί υπολογιστές».
Ακολουθήστε το Techmaniacs.gr στο Google News για να διαβάζετε πρώτοι όλα τα τεχνολογικά νέα. Ένας ακόμα τρόπος να μαθαίνετε τα πάντα πρώτοι είναι να προσθέσετε το Techmaniacs.gr στον RSS feeder σας χρησιμοποιώντας τον σύνδεσμο: https://techmaniacs.gr/feed/.
