ব্রিস্টল বিশ্ববিদ্যালয়ের বিজ্ঞানীরা দেখিয়েছেন যে মানুষের মস্তিষ্কের কোষগুলির ল্যাব-উত্থিত ক্লাস্টারগুলি তাদের পরীক্ষার সংকেত হিসাবে ব্রেইল বর্ণমালা ব্যবহার করে স্পৃশ্য তথ্য নির্ভরযোগ্যভাবে গ্রহণ করতে, প্রক্রিয়া করতে এবং পাস করতে পারে। ফ্রন্টিয়ার্স ইন আর্টিফিশিয়াল ইন্টেলিজেন্স জার্নালে প্রকাশিত এই গবেষণাটি বায়োহাইব্রিড কম্পিউটারের দিকে একটি গুরুত্বপূর্ণ পদক্ষেপ হিসাবে বিবেচিত হচ্ছে যা ইলেকট্রনিক সেন্সরগুলির সাথে জীবন্ত নিউরাল টিস্যুকে বিয়ে করে।
গবেষণাটি অর্গানয়েড বুদ্ধিমত্তার কেন্দ্রে একটি প্রতারণামূলকভাবে সহজ প্রশ্নকে সম্বোধন করে: মস্তিষ্কের টিস্যুর একটি ক্ষুদ্র, আংশিকভাবে গঠিত টুকরা কি বিশ্বস্তভাবে প্রাপ্ত তথ্য রিলে করতে পারে? খুঁজে বের করার জন্য, ব্রিস্টল-ভিত্তিক একটি দল প্রথম লেখক তিয়ানই লিউ, একজন পিএইচডি প্রার্থী এবং সিনিয়র লেখক ডক্টর বেঞ্জামিন ওয়ার্ড-চেরিয়ার নেতৃত্বে মস্তিষ্কের অর্গানয়েডগুলিকে একটি বাস্তব স্পর্শকাতর সেন্সরের সাথে সংযুক্ত করেছে এবং জিজ্ঞাসা করেছে যে অন্য দিকে অর্থপূর্ণ তথ্য পুনরুদ্ধার করা যেতে পারে কিনা। For more context on this story, see our ongoing artificial intelligence updates.
"আমরা একটি বাস্তব স্পর্শকাতর সেন্সর থেকে তথ্য নিতে পারি, এটিকে এমন একটি ফর্মে পরিণত করতে পারি যা একটি জীবন্ত নিউরাল নেটওয়ার্ক গ্রহণ করতে পারে এবং তারপর অর্গানয়েড প্রতিক্রিয়া থেকে অর্থপূর্ণ তথ্য পুনরুদ্ধার করতে পারে," লিউ বিশ্ববিদ্যালয়ের ফলাফলের ঘোষণায় বলেছিলেন। "এটি আমাদের কৃত্রিম সেন্সরগুলিকে জৈবিক নিউরাল সিস্টেমের সাথে সংযুক্ত করার একটি বাস্তব উপায় দেয়, যা আরও শক্তি-দক্ষ কম্পিউটিংয়ের দিকে একটি খুব আকর্ষণীয় সম্ভাব্য পথ।"
কিভাবে কোষের ব্লব তৈরি করবেন
পরীক্ষার কেন্দ্রে অর্গানয়েডগুলি ক্ষুদ্র মস্তিষ্ক থেকে অনেক দূরে। প্রতিটি জুড়ে এক মিলিমিটারেরও কম, মানুষের মস্তিষ্কে পাওয়া যায় এমন অনেকগুলি কাঠামোর অভাব রয়েছে এবং এতে প্রায় 10,000টি নিউরন সহ সহায়ক কোষ রয়েছে - যা মানুষের ফোরব্রেইনের উপর ভিত্তি করে তৈরি করা হয়েছে। তারা একটি সিস্টেমের ভিতরে মাল্টিইলেক্ট্রোড অ্যারেতে বসে যা টিস্যুকে জীবিত রাখে এবং এর বৈদ্যুতিক প্রতিক্রিয়া পর্যবেক্ষণ করে, গবেষকদের স্নায়ু কার্যকলাপকে উদ্দীপিত এবং রেকর্ড করতে দেয়।
পরীক্ষার প্রোটোকল স্পর্শ থেকে টিস্যুতে শ্রেণিবিন্যাস পর্যন্ত সংকেত অনুসরণ করে। প্রথমত, দলটি ব্রেইল বর্ণমালার 26টি অক্ষরে একটি স্পর্শকাতর সেন্সর প্রয়োগ করে, প্রতিটি অক্ষর উত্পাদিত ডেটা রেকর্ড করে। সেই তথ্যটি বৈদ্যুতিক উদ্দীপনা প্যাটার্নে রূপান্তরিত হয়েছিল, যা অর্গানয়েডগুলিতে বিতরণ করা হয়েছিল। গবেষকরা তারপরে পরীক্ষা করে দেখেন যে ফলস্বরূপ স্নায়বিক কার্যকলাপ প্রকাশ করতে পারে যে কোন চিঠিটি উপস্থাপন করা হয়েছে - কার্যত, টিস্যুটি যে সংকেতটি দেওয়া হয়েছিল তা 'পড়েছে' কিনা।
ডিকোডিং একটি সমর্থন ভেক্টর মেশিনে পড়ে, একটি সাধারণ মেশিন লার্নিং অ্যালগরিদম যা স্নায়বিক কার্যকলাপের প্যাটার্নগুলিকে সাজায় এবং নির্দিষ্ট অক্ষরের সাথে মিলে যায়। একটি একক অর্গানয়েড ধারাবাহিকভাবে প্রায় 61% সময় একটি ডিকোডেবল সংকেত তৈরি করে। যখন তিনটি অর্গানয়েডের আউটপুট একত্রিত হয়, তখন নির্ভুলতা প্রায় 83% বেড়ে যায়।
তিনটি অর্গানয়েড একজনকে পরাজিত করে - এবং কেউ নিশ্চিত নয় কেন
ensemble ফলাফল সবচেয়ে কৌতুহলপূর্ণ ফলাফলের মধ্যে হয়. গবেষকরা এখনও পুরোপুরি ব্যাখ্যা করতে পারেন না কেন তিনটি অর্গানয়েড একটিকে ছাড়িয়ে যায়, যদিও তারা সন্দেহ করে উত্তরটি প্রাকৃতিক বৈচিত্রের মধ্যে রয়েছে: কোনও দুটি অর্গানয়েড ঠিক একই পথে বিকাশ করে না।
"বিভিন্ন অর্গানয়েডের সামান্য ভিন্ন নেটওয়ার্ক সংযোগ, উন্নয়নমূলক অবস্থা এবং চলমান কার্যকলাপ থাকতে পারে, তাই একই ইনপুট একই রকম কিন্তু অভিন্ন প্রতিক্রিয়া তৈরি করতে পারে না," লিউ বলেন। "সেই প্রতিক্রিয়াগুলিকে একত্রিত করা আমাদের পরিপূরক তথ্য দিতে পারে যা আমরা একটি একক অর্গানয়েড থেকে পাব না। একই সময়ে, যদি প্রতিটি অর্গানয়েড ভিন্নভাবে আচরণ করে, তবে এটি স্পষ্টতই একটি অনুমানযোগ্য এবং প্রমিত সিস্টেম তৈরি করা কঠিন করে তোলে।"
দলটি টিস্যুর আউটপুটকেও জোর দিয়েছে। বিজ্ঞানীরা যখন ব্রেইল সংকেতগুলিতে কৃত্রিম শব্দ যোগ করেন, তখন অর্গানয়েডের প্রতিক্রিয়াগুলি থেকে ডিকোডিং একই অ্যালগরিদম দিয়ে সরাসরি অবক্ষয়িত সংকেতগুলিকে ডিকোড করার চেয়ে বোকা বানানো কঠিন প্রমাণিত হয়েছিল। অর্গানয়েডস দ্বারা প্রক্রিয়াকরণের পর, শ্রেণীবিন্যাসকারীর জন্য সঠিক অক্ষরটি অনুমোদিত অপরিশোধিত ইনপুটের চেয়ে আরও শক্তভাবে বাছাই করার জন্য ডেটা যথেষ্ট কাঠামো বজায় রাখে।
ওয়ার্ড-চেরিয়ার বলেন, "অর্গানয়েড দ্বারা প্রক্রিয়াকরণের পরে, স্পর্শকাতর ডেটাতে এখনও ব্রেইল অক্ষরগুলিকে ভাল নির্ভুলতার সাথে শ্রেণীবদ্ধ করার জন্য যথেষ্ট তথ্য রয়েছে।" "বেশ কিছু অর্গানয়েড থেকে আউটপুট একত্রিত করাও কর্মক্ষমতার উন্নতি দেখায়।"
কেন জৈবিক কম্পিউটিং গবেষকদের প্রলুব্ধ করে
প্রেরণা শক্তি। প্রচলিত হার্ডওয়্যার থেকে আরও বেশি বিদ্যুতের অর্ডার দেওয়ার জন্য গণনা করার সময় মানুষের মস্তিষ্ক মোটামুটি 20 ওয়াট চালিত হয় - একটি ব্যবধান যা AI ডেটা সেন্টারের সংখ্যা বৃদ্ধির সাথে সাথে প্রশস্ত হয়েছে। নিউরোমর্ফিক চিপগুলি সিলিকনে মস্তিষ্কের কার্যকারিতা ক্যাপচার করার চেষ্টা করে এবং অর্গানয়েড বুদ্ধিমত্তা একই বাজির আরও র্যাডিকাল সংস্করণ উপস্থাপন করে: তাদের অনুকরণ না করে প্রকৃত নিউরন ব্যবহার করুন।
রোবোটিক্স এবং স্বায়ত্তশাসিত সিস্টেমের সম্ভাব্য অ্যাপ্লিকেশন কেন্দ্র, যেখানে প্রতিটি ওয়াট গুরুত্বপূর্ণ এবং স্পর্শকাতর সেন্সিং অপরিহার্য। একটি সেন্সর যা জীবন্ত নিউরনে সিগন্যাল প্রসেসিং অফলোড করতে পারে - বা একদিন তাদের সাথে একটি বন্ধ লুপ তৈরি করতে পারে - এমন মেশিনগুলির পাওয়ার বাজেটকে নতুন আকার দিতে পারে যা বাস্তব সময়ে উপলব্ধি করতে এবং প্রতিক্রিয়া করতে হবে।
শিরোনাম পালানোর আগে সাবধান
ব্রিস্টল দলটি পরীক্ষাটি কী দেখায় না সে সম্পর্কে স্পষ্ট। অর্গানয়েড শিখছিল না; তারা উদ্দীপনায় সাড়া দিয়েছিল, কিন্তু গবেষকরা টিস্যুতে দীর্ঘমেয়াদী পরিবর্তন প্রদর্শন করেননি। একটি নির্দিষ্ট এনকোডিং স্কিম এবং স্নায়ু কার্যকলাপের একটি অপেক্ষাকৃত সহজ পরিমাপ ব্যবহার করে কাজটি একটি একক স্পর্শকাতর ছিল।
"আমরা দেখিয়েছি যে স্পর্শকাতর তথ্য এনকোড করা যেতে পারে, অর্গানয়েডের মাধ্যমে প্রক্রিয়াজাত করা যায় এবং ডিকোড করা যায়, কিন্তু আমরা অর্গানয়েডগুলিতে শেখার বা দীর্ঘমেয়াদী পরিবর্তন প্রদর্শন করিনি," লিউ বলেন।
পরবর্তী পদক্ষেপগুলি, দলটি বলে, ব্রেইল পেরিয়ে পৌঁছান৷ গবেষকরা টেক্সচার এবং প্রান্তের মতো সমৃদ্ধ স্পর্শকাতর ইনপুটগুলিতে এবং শেষ পর্যন্ত ক্লোজড-লুপ কাজগুলিতে আগ্রহী যেখানে একটি অর্গানয়েড তার নিজস্ব আউটপুটের পরিণতি থেকে প্রতিক্রিয়া পায় - এমন কনফিগারেশন যা জীবন্ত টিস্যু কেবল এটির মাধ্যমে প্রেরণ না করে একটি কাজের সাথে খাপ খাইয়ে নিতে পারে কিনা তা পরীক্ষা করতে শুরু করবে।
আপাতত, ফলাফলটি একটি ইঞ্জিনিয়ারিং প্রমাণ হিসাবে দাঁড়িয়েছে: ভৌত জগতের সংকেতগুলি জীবন্ত স্নায়বিক টিস্যুতে প্রবেশ করতে পারে এবং অন্য দিকে স্বীকৃত হয়ে ফিরে আসতে পারে। এটি একটি বায়োহাইব্রিড কম্পিউটার থেকে একটি দীর্ঘ পথ, কিন্তু এটি এক ধরনের অস্বস্তিকর মাইলফলক — নির্ভরযোগ্য ট্রান্সডাকশন, পরিমাপযোগ্য নির্ভুলতা, সৎ ত্রুটি বার — যেগুলির উপর আগেকার কম্পিউটিং বিপ্লবগুলিও তৈরি হয়েছিল৷
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
