[ad_1]
一盘活脑细胞学会了玩 1970 年代的街机游戏 Pong。
一个团队在期刊上报告说，大约 800,000 个与计算机相连的细胞逐渐学会感知游戏电子球的位置并控制虚拟桨 神经元.
这项新颖的成就是理解大脑如何学习以及如何使计算机更智能的努力的一部分。
“我们在硅计算方面取得了长足的进步，但它们仍然僵化且不灵活，”该研究的作者兼澳大利亚墨尔本 Cortical Labs 的首席科学官 Brett Kagan 说。 “这是我们在生物学中看不到的东西。”
例如，计算机和人都可以学习泡茶，卡根说。 但是人们能够以计算机无法做到的方式概括他们所学到的知识。
“你可能从来没有去过别人家，但只要我有原料，只要稍微翻找一下，你就可以泡一杯像样的茶，”他说。 但即使是功能非常强大的计算机也难以在不熟悉的环境中执行这项任务。
因此，Cortical Labs 一直试图了解活脑细胞如何获得这种智能。 卡根说，Pong 实验是公司回答有关脑细胞网络如何学会改变其行为的关键问题的一种方式：
“如果我们让这些细胞知道他们行动的结果，他们真的能够以某种目标导向的方式改变，”卡根说。
为了找出答案，科学家们使用了他们开发的一个名为 DishBrain 的系统。
这张扫描电子显微镜图像显示了在高密度多电极阵列上生长的神经培养物。 该系统允许研究人员训练神经元玩电子游戏 Pong。
皮质实验室
隐藏标题
切换标题
皮质实验室
这张扫描电子显微镜图像显示了在高密度多电极阵列上生长的神经培养物。 该系统允许研究人员训练神经元玩电子游戏 Pong。
皮质实验室
在充满营养的拇指大小盘子底部的特殊硅芯片上生长一层活神经元。 该芯片与计算机相连，既可以检测神经元产生的电信号，又可以向它们传递电信号。
为了测试细胞的学习能力，计算机生成了乒乓球游戏，这是一种二维版本的乒乓球，作为最早的也是最基本的视频游戏之一获得了狂热追随。
Pong 在视频屏幕上播放。 黑色矩形定义了桌子，白色光标代表每个玩家的球拍，可以向上或向下移动以拦截一个白球。
在实验中使用的简化版本中，虚拟桌子的左侧有一个单独的桨，球会从另一侧滚开，直到它避开桨。
为了让脑细胞玩游戏，计算机向它们发送信号，指示弹跳球的位置。 同时，它开始以电脉冲的形式监测来自细胞的信息。
“我们获取了这些信息，并允许它影响他们正在玩的这款 Pong 游戏，”Kagan 说。 “所以他们可以移动桨。”
起初，细胞不理解来自计算机的信号，也不知道向另一个方向发送什么信号。 他们也没有理由玩这个游戏。
因此，科学家们试图用电刺激来激发细胞：如果他们做得对，就会有组织良好的电活动爆发。 当他们弄错时，结果是混乱的白噪声流。
“如果他们击球，我们会给他们一些可预测的东西，”卡根说。 “当他们错过它时，他们得到了一些完全无法预测的东西。”
该策略基于自由能原理，该原理指出脑细胞希望能够预测其环境中发生的事情。 所以他们会选择可预测的刺激而不是不可预测的刺激。
这种方法奏效了。 细胞开始学习产生电活动模式，以使球拍在球前移动，并且逐渐反弹变得更长。
脑细胞在乒乓球上从来没有那么好过。 但有趣的是，卡根说，人类脑细胞的游戏水平似乎比老鼠脑细胞略高。
卡根说，考虑到每个网络包含的细胞比蟑螂的大脑还少，游戏的水平非常出色。
“如果你能看到一只蟑螂在打乒乓球，它击球的频率是它错过球的两倍，你会对这只蟑螂印象深刻，”他说。
卡根说，结果暗示了生物学通过改变学习方式来帮助计算机变得更加智能的未来。
但佐治亚理工学院的兼职副教授史蒂夫·M·波特说，这个未来可能还有很长的路要走。
“具有一些活组件的计算机的想法令人兴奋，并且它开始成为现实，”他说。 “然而，这些东西所能完成的学习类型现在还很初级。”
即便如此，波特说，允许细胞学习乒乓球的系统可能是一个很好的研究工具。
“这是一种半活的动物模型，人们可以用它来研究神经系统中的各种机制，而不仅仅是学习，”他说。
[ad_2]
Source link
