سلول های مغز انسان روی یک تراشه می توانند گفتار را تشخیص دهند و ریاضی ساده انجام دهند.

هیچ کامپیوتری به اندازه مغز انسان قدرتمند و پیچیده نیست . توده‌های بافتی که در جمجمه ما محصور شده‌اند می‌توانند اطلاعات را با مقادیر و سرعت‌هایی پردازش کنند که فناوری محاسباتی به سختی می‌تواند آن را لمس کند.

کلید موفقیت مغز، کارآیی نورون ها به عنوان یک پردازنده ودرخدمت دستگاه حافظه می باشد . برخلاف واحدهای جدا شده از نظر فیزیکی در اکثر دستگاه‌های محاسباتی مدرن.

امروزه تلاش‌های زیادی برای شبیه‌تر کردن محاسبات به مغز صورت گرفته است، اما تلاش جدید همه چیز را یک قدم جلوتر می‌برد - با ادغام بافت مغز واقعی انسان با الکترونیک.

این رویکردکه  Brainoware نام دارد.می تواند  تشخیص گفتار و مسائل ریاضی مانند پیش‌بینی معادلات غیرخطی را انجام دهد.
دقت آن کمی کمتر از یک کامپیوتر سخت‌افزاری خالص بود که بر روی هوش مصنوعی کار می‌کرد ، اما این تحقیق اولین قدم مهم در نوع جدیدی از معماری کامپیوتر را نشان می‌دهد.
البته با افزایش پیچیدگی این سیستم های  ارگانوئیدی ، بررسی تعداد بی‌شماری از مسائل عصبی اخلاقی که سیستم‌های محاسبات زیستی را احاطه کرده‌اند برای جامعه حیاتی است.

درسال‌های اخیر، دانشمندان و مهندسان سعی کرده‌اند با طراحی سخت‌افزار و الگوریتم‌هایی که ساختار و نحوه عملکرد مغز را تقلید می‌کنند، به توانایی‌های مغز نزدیک شوند.  این محاسبات که به عنوان محاسبات نورومورفیک شناخته می شود ،در حال بهبود است ، اما آموزش شبکه های عصبی مصنوعی زمان میبرد .

محققیق به دنبال روشی متفاوت با استفاده از بافت مغز واقعی انسان رشد یافته در آزمایشگاه بودند. سلول‌های بنیادی پرتوان انسانی برای تبدیل شدن به انواع مختلف سلول‌های مغزی که به صورت مینی‌مغزهای سه‌بعدی به نام ارگانوئیدها با اتصالات و ساختارها سازماندهی می‌شوند.

هدف سخت افزار محاسباتی الهام گرفته از مغز، تقلید ساختار و اصول کار مغز است و می تواند برای محدودیت های فعلی در فناوری های هوش مصنوعی مورد استفاده قرار گیرد.

 با این حال، تراشه های سیلیکونی الهام گرفته از مغز هنوز در توانایی خود برای تقلید کامل عملکرد مغز محدود هستند، زیرا بیشتر نمونه ها بر اساس اصول الکترونیک دیجیتال ساخته شده اند.
این رویکرد سخت‌افزاری هوش مصنوعی می تواند،از محاسبات مخزن  تطبیقی ​​شبکه‌های عصبی بیولوژیکی در یک ارگانوئید مغز استفاده کند. 

در این رویکرد - که Brainoware نامیده می شود - محاسبات با ارسال و دریافت اطلاعات از ارگانوئید مغز با استفاده از یک آرایه چند الکترودی با چگالی بالا انجام می شود. با اعمال تحریک الکتریکی مکانی-زمانی، دینامیک غیرخطی و ویژگی‌های حافظه محو شده و همچنین یادگیری بدون نظارت از داده‌های آموزشی با تغییر شکل اتصال عملکردی ارگانوئید به دست می‌آید.

 وپتانسیل عملی این تکنیک را با استفاده از آن برای تشخیص گفتار و پیش‌بینی معادلات غیرخطی در یک چارچوب محاسباتی مخزن نشان می‌دهد.

ممکن است چندین دهه طول بکشد تا سیستم های محاسبات زیستی عمومی ایجاد شوند، اما این تحقیق احتمالاً بینش های اساسی در مورد مکانیسم های یادگیری، رشد عصبی و پیامدهای شناختی بیماری های عصبی ایجاد می کند .
همچنین می تواند به توسعه مدل های پیش بالینی اختلال شناختی برای آزمایش درمان های جدید کمک کند.


سحر موحد
Source
-
«Channel of Science is for all»