ადამიანის ტვინის მოდელირების პროგრამული სიმულაციების შექმნა ითვლება ხელოვნური ინტელექტის ყველაზე პერსპექტიულ მიდგომად.

ავსტრალიის სტარტაპი Cortical Labs კიდევ უფრო შორს წავიდა: მისი მიზანია შექმნას პატარა ხელოვნური ტვინი თაგვის ან ადამიანის წარმოშობის ბიოლოგიური ნეირონების სპეციალურ კომპიუტერულ ჩიპში ჩასმის გზით.

ეს კომპანია, რომელიც მდებარეობს მელბურნში, ავსტრალიაში, ცდილობს ჰიბრიდულ ტვინს ასწავლოს ხელოვნური ინტელექტის ამოცანების შესრულება გაცილებით უკეთესი ენერგოეფექტურობით და ეფექტურობით. ის ახლა ქმნის ხელოვნურ ტვინს გამოთვლითი ენერგიით, რომელიც ნემსიყლაპიას ტვინს ჰგავს და სურს ასწავლოს ძველი არკადული თამაში - Atapi Pong. და ეს მხოლოდ დასაწყისია.

ჰიბრიდული ტვინისათვის Atari Pong-ის თამაშის სწავლება წარმოადგენს მნიშვნელოვან ეტაპს, რადგან ეს იყო ერთ-ერთი თამაში, რომელსაც თამაშობდა ნეირონული ქსელი DeepMind (ხელოვნური ინტელექტის სისტემის ერთ-ერთი პიონერი მწარმოებელი) მაშინ, როდესაც ამ სისტემით დაინტერესდა Google. 

Cortical Labs თავისი აპარატული უზრუნველყოფის შესაქმნელად იყენებს ორ მეთოდს: იგი ან იღებს თაგვის ნეირონებს ემბრიონებიდან, ან ადამიანის კანის უჯრედებს ანაწილებს ღეროვან უჯრედებში და შემდეგ მათგან ნეირონებს ანვითარებს.

წარმოებული ნეირონები მოთავსებულია ნაკლებად ოკსიდური ჩიპის თავზე მკვებავ სითხეში. ჩიპი შეიცავს 22 ათასი წვრილი ელექტროდისგან დაწნულ ქსელს. ეს ელექტროდები გამოიყენება მონაცემების შეყვანის და გამოყვანის მიზნით. ამჟამად, თაგვის ნეირონებს იყენებენ "Pong" კვლევისთვის.

ჰიბრიდული ჩიპების გამოყენებით Cortical Labs მიზნად ისახავს იპოვოს კონცეპტუალური და თანამედროვე გადაწყვეტილებების პოვნას, რომელიც მიუწვდომელია არსებული ხელოვნური ინტელექტისათვის. ასეთი ბიოლოგიური ნეირონული ქსელები ფლობენ თვითორგანიზების შესაძლებლობებს, რაც მათ აძლევს უცნობ სიტუაციებში პრობლემების გადაჭრის საშუალებას არსებულ ინფორმაციაზე დაყრდნობის გარეშე.

წარმატების შემთხვევაში Cortical Labs-ის მეთოდოლოგია შესაძლოა პოტენციურად გადაჭრას მანქანათსწავლების ერთ–ერთი ყველაზე საშიში გამოწვევა: ენერგიის მოხმარების ძალზედ მაღალი მაჩვენებელი.

მაგალითად, AlphaGo, DeepMind–ის ღრმა სწავლების სისტემამ, რომელიც შექმნილია უძველესი სტრატეგიული თამაშის სათამაშოდ, დაამარცხა მსოფლიოს საუკეთესო მოთამაშე 2016 წელს. თუმცა, Ceva–ს შეფასებით, თამაშის დროს ის 1 მეგავატ ენერგიას ხარჯავდა, რაც დაახლოებით 100 სახლის ყოველდღიური მოხმარების ეკვივალენტურია. ამავე დროს, ადამიანის ტვინი მოიხმარს დაახლოებით 20 ვატ ენერგიას, რაც AlphaGo-სთან შედარებით 50 000 ჯერ ნაკლებია.

ბიოლოგიური ნეირონების გამოყენება აგრეთვე აღმოფხვრის მთელ რიგ სხვა სირთულეებს, რომლებიც დამახასიათებელია პროგრამირებადი ნერვული ქსელისთვის. მაგალითად, ნეირონული ქსელების პროდუქტიული სწავლების წინაპირობაა, რომ მათ პროგრამისტებმა ხელით დააყენონ საბაზისო კოეფიციენტები, რომლებიც შემდგომში გამოყენებულ იქნება მონაცემთა თითოეული ტიპისთვის.

სხვა პრობლემას წარმოადგენს ის, რომ ნეიტრონულმა ქსელმა უნდა იპოვოს გადაწყვეტილება არსებულ მასალაზე დაყრნობის გარეშე. თანამედროვე ხელოვნურ ინტელექტს ვერ გამოაქვს დასკვნები უცნობ სიტუაციებში, წინასწარი მონაცემების საკმარისი რაოდენობის არსებობის გარეშე.

Cortical Labs თავდაპირველად ატარებს ექსპერიმენტებს თაგვის ნეირონებზე, რომლებიც დიდი ხნის განმავლობაში გამოიყენებოდა ნეირობიოლოგების მიერ, ადამიანის ნეირონების შემცვლელის როლში. მათი მოპოვებისა და კულტივირების მეთოდები ცნობილია, ხოლო კანის უჯრედებისგან ადამიანის ნეირონების შექმნას მხოლოდ ბოლო ათწლეულში დაეუფლნენ. ამასთან, მეცნიერებმა ახლახან აღმოაჩინეს თაგვისა და ადამიანის ნეირონების ზედაპირული ცილების განსხვავებები, რაც შეიძლება ნიშნავდეს იმას, რომ მათ აქვთ სხვადასხვა ელექტრული თვისებები და ისინი სრულად ვერ ჩაანაცვლებენ ერთმანეთს.

Cortical Labs-ის სისტემის ზოგიერთი ასპექტი შთაგონებულია ინგლისელი ნეირობიოლოგის,  კარლ ფრისტონის თეორიებით, რომელიც მუშაობდა ბიოლოგიური სისტემების თვითორგანიზებაზე და თავისუფალი ენერგიის პრინციპზე. ეს კონცეფცია ემყარება იმ აზრს, რომ ნებისმიერი სისტემის ანატომია შეიცავს გარემოს მოდელს, რომელშიც თავმოყრილია სისტემა და მონაცემები, რომელსაც ის ამუშავებს. კარლ ფრისტონმა დააფასა Cortical Labs-ის გადაწყვეტილების პოტენციალი.

Cortical Labs არ არის ერთადერთი კომპანია, რომელიც სპეციალიზირებულია ბიოლოგიურ გამოთვლაში. კალიფორნიულმა სტარტაპმა Koniku–მ შეიმუშავა 64-ნეირონიანი სილიციუმის ჩიპი, რომელიც შეიქმნა თაგვის ნეირონების გამოყენებით. ჩიპს შეუძლია გარკვეული ქიმიკატების ამოცნობა და ერთმანეთისგან განსხვავება. კომპანია გეგმავს სამხედრო უპილოტო თვითმფრინავების შემუშავებას ასაფეთქებელი ნივთიერებების გამოსავლენად.