ਬ੍ਰਿਸਟਲ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਵਿਗਿਆਨੀਆਂ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਸੈੱਲਾਂ ਦੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੁਆਰਾ ਵਿਕਸਿਤ ਕੀਤੇ ਗਏ ਕਲੱਸਟਰ ਭਰੋਸੇਮੰਦ ਢੰਗ ਨਾਲ ਸਪਰਸ਼ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ, ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਪਾਸ ਕਰ ਸਕਦੇ ਹਨ - ਬ੍ਰੇਲ ਅੱਖਰ ਨੂੰ ਉਹਨਾਂ ਦੇ ਟੈਸਟ ਸੰਕੇਤ ਵਜੋਂ ਵਰਤਦੇ ਹੋਏ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿਚ ਫਰੰਟੀਅਰਜ਼ ਜਰਨਲ ਵਿਚ ਪ੍ਰਕਾਸ਼ਿਤ ਅਧਿਐਨ ਨੂੰ ਬਾਇਓਹਾਈਬ੍ਰਿਡ ਕੰਪਿਊਟਰਾਂ ਵੱਲ ਇਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਮੰਨਿਆ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਇਲੈਕਟ੍ਰਾਨਿਕ ਸੈਂਸਰਾਂ ਨਾਲ ਜੀਵਿਤ ਨਿਊਰਲ ਟਿਸ਼ੂ ਨਾਲ ਵਿਆਹ ਕਰਦੇ ਹਨ।
ਖੋਜ ਆਰਗੈਨੋਇਡ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਦਿਲ 'ਤੇ ਇੱਕ ਧੋਖੇ ਨਾਲ ਸਧਾਰਨ ਸਵਾਲ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੀ ਹੈ: ਕੀ ਦਿਮਾਗ ਦੇ ਟਿਸ਼ੂ ਦਾ ਇੱਕ ਛੋਟਾ, ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ ਬਣਿਆ ਟੁਕੜਾ ਵਫ਼ਾਦਾਰੀ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣਕਾਰੀ ਨੂੰ ਰੀਲੇਅ ਕਰ ਸਕਦਾ ਹੈ? ਇਹ ਪਤਾ ਲਗਾਉਣ ਲਈ, ਇੱਕ ਬ੍ਰਿਸਟਲ-ਅਧਾਰਤ ਟੀਮ ਦੀ ਅਗਵਾਈ ਪਹਿਲੇ ਲੇਖਕ ਤਿਨਯੀ ਲਿਊ, ਇੱਕ ਪੀਐਚਡੀ ਉਮੀਦਵਾਰ, ਅਤੇ ਸੀਨੀਅਰ ਲੇਖਕ ਡਾ: ਬੈਂਜਾਮਿਨ ਵਾਰਡ-ਚੈਰੀਅਰ ਨੇ ਦਿਮਾਗ ਦੇ ਅੰਗਾਂ ਨੂੰ ਇੱਕ ਅਸਲੀ ਟੈਂਕਟਾਈਲ ਸੈਂਸਰ ਨਾਲ ਜੋੜਿਆ ਅਤੇ ਪੁੱਛਿਆ ਕਿ ਕੀ ਦੂਜੇ ਪਾਸੇ ਅਰਥਪੂਰਨ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। For more context on this story, see our ongoing AI industry coverage.
ਲਿਊ ਨੇ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਘੋਸ਼ਣਾ ਵਿੱਚ ਕਿਹਾ, "ਅਸੀਂ ਇੱਕ ਅਸਲੀ ਸਪਰਸ਼ ਸੰਵੇਦਕ ਤੋਂ ਜਾਣਕਾਰੀ ਲੈ ਸਕਦੇ ਹਾਂ, ਇਸਨੂੰ ਇੱਕ ਅਜਿਹੇ ਰੂਪ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹਾਂ ਜੋ ਇੱਕ ਜੀਵਿਤ ਨਿਊਰਲ ਨੈਟਵਰਕ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਔਰਗੈਨੋਇਡ ਪ੍ਰਤੀਕ੍ਰਿਆ ਤੋਂ ਸਾਰਥਕ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ," ਲਿਊ ਨੇ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਘੋਸ਼ਣਾ ਵਿੱਚ ਕਿਹਾ. "ਇਹ ਸਾਨੂੰ ਜੈਵਿਕ ਤੰਤੂ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਨਕਲੀ ਸੰਵੇਦਕਾਂ ਨੂੰ ਜੋੜਨ ਦਾ ਇੱਕ ਵਿਹਾਰਕ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਵਧੇਰੇ ਊਰਜਾ-ਕੁਸ਼ਲ ਕੰਪਿਊਟਿੰਗ ਵੱਲ ਇੱਕ ਬਹੁਤ ਹੀ ਦਿਲਚਸਪ ਸੰਭਵ ਰਸਤਾ ਹੈ।"
ਸੈੱਲਾਂ ਦਾ ਬਲੌਬ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ ਪੜ੍ਹੋ
ਪ੍ਰਯੋਗ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਔਰਗੈਨੋਇਡਜ਼ ਛੋਟੇ ਦਿਮਾਗਾਂ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹਨ। ਹਰ ਇੱਕ ਇੱਕ ਮਿਲੀਮੀਟਰ ਤੋਂ ਵੀ ਘੱਟ ਹੈ, ਮਨੁੱਖੀ ਦਿਮਾਗ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਬਣਤਰਾਂ ਦੀ ਘਾਟ ਹੈ, ਅਤੇ ਇਸ ਵਿੱਚ ਲਗਭਗ 10,000 ਨਿਊਰੋਨ ਅਤੇ ਸਹਾਇਕ ਸੈੱਲ ਹੁੰਦੇ ਹਨ - ਮਨੁੱਖੀ ਪੂਰਵ ਦਿਮਾਗ 'ਤੇ ਮਾਡਲ। ਉਹ ਇੱਕ ਸਿਸਟਮ ਦੇ ਅੰਦਰ ਮਲਟੀਇਲੈਕਟ੍ਰੋਡ ਐਰੇ 'ਤੇ ਬੈਠਦੇ ਹਨ ਜੋ ਟਿਸ਼ੂ ਨੂੰ ਜ਼ਿੰਦਾ ਰੱਖਦਾ ਹੈ ਜਦੋਂ ਕਿ ਇਸਦੇ ਬਿਜਲਈ ਜਵਾਬਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਨਿਊਰਲ ਗਤੀਵਿਧੀ ਨੂੰ ਉਤੇਜਿਤ ਕਰਨ ਅਤੇ ਰਿਕਾਰਡ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
ਟੈਸਟ ਪ੍ਰੋਟੋਕੋਲ ਨੇ ਛੋਹ ਤੋਂ ਲੈ ਕੇ ਟਿਸ਼ੂ ਤੱਕ ਵਰਗੀਕਰਨ ਤੱਕ ਸਿਗਨਲ ਦੀ ਪਾਲਣਾ ਕੀਤੀ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਟੀਮ ਨੇ ਬਰੇਲ ਅੱਖਰ ਦੇ 26 ਅੱਖਰਾਂ 'ਤੇ ਇੱਕ ਸਪਰਸ਼ ਸੈਂਸਰ ਲਗਾਇਆ, ਹਰੇਕ ਅੱਖਰ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਡੇਟਾ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ ਗਿਆ। ਉਸ ਡੇਟਾ ਨੂੰ ਬਿਜਲਈ ਉਤੇਜਨਾ ਦੇ ਪੈਟਰਨਾਂ ਵਿੱਚ ਬਦਲਿਆ ਗਿਆ ਸੀ, ਜੋ ਕਿ ਔਰਗੈਨੋਇਡਜ਼ ਨੂੰ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਸਨ। ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਫਿਰ ਜਾਂਚ ਕੀਤੀ ਕਿ ਕੀ ਨਤੀਜੇ ਵਜੋਂ ਨਿਊਰਲ ਗਤੀਵਿਧੀ ਇਹ ਦੱਸ ਸਕਦੀ ਹੈ ਕਿ ਕਿਹੜਾ ਅੱਖਰ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ - ਅਸਲ ਵਿੱਚ, ਕੀ ਟਿਸ਼ੂ ਨੇ ਦਿੱਤੇ ਗਏ ਸੰਕੇਤ ਨੂੰ 'ਪੜ੍ਹਿਆ' ਸੀ।
ਡੀਕੋਡਿੰਗ ਇੱਕ ਸਪੋਰਟ ਵੈਕਟਰ ਮਸ਼ੀਨ, ਇੱਕ ਸਧਾਰਨ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ 'ਤੇ ਡਿੱਗ ਗਈ ਜੋ ਨਿਊਰਲ ਗਤੀਵਿਧੀ ਦੇ ਪੈਟਰਨਾਂ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰਦੀ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਖਾਸ ਅੱਖਰਾਂ ਨਾਲ ਮੇਲ ਕਰਦੀ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਔਰਗੈਨੋਇਡ ਲਗਾਤਾਰ ਲਗਭਗ 61% ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਡੀਕੋਡੇਬਲ ਸਿਗਨਲ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਤਿੰਨ ਔਰਗੈਨੋਇਡਜ਼ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਜੋੜਿਆ ਗਿਆ ਸੀ, ਤਾਂ ਸ਼ੁੱਧਤਾ ਲਗਭਗ 83% ਹੋ ਗਈ ਸੀ।
ਤਿੰਨ ਔਰਗੈਨੋਇਡਜ਼ ਨੇ ਇੱਕ ਨੂੰ ਹਰਾਇਆ - ਅਤੇ ਕੋਈ ਵੀ ਯਕੀਨੀ ਨਹੀਂ ਹੈ ਕਿ ਕਿਉਂ
ਐਨਸੈਂਬਲ ਨਤੀਜਾ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਖੋਜਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਖੋਜਕਰਤਾ ਅਜੇ ਤੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇਹ ਨਹੀਂ ਦੱਸ ਸਕਦੇ ਹਨ ਕਿ ਤਿੰਨ ਔਰਗੈਨੋਇਡਸ ਇੱਕ ਨੂੰ ਕਿਉਂ ਪਛਾੜਦੇ ਹਨ, ਹਾਲਾਂਕਿ ਉਹਨਾਂ ਨੂੰ ਸ਼ੱਕ ਹੈ ਕਿ ਇਸਦਾ ਜਵਾਬ ਕੁਦਰਤੀ ਪਰਿਵਰਤਨ ਵਿੱਚ ਹੈ: ਕੋਈ ਵੀ ਦੋ ਔਰਗੈਨੋਇਡਸ ਬਿਲਕੁਲ ਇੱਕੋ ਮਾਰਗ 'ਤੇ ਵਿਕਸਤ ਨਹੀਂ ਹੁੰਦੇ ਹਨ।
ਲਿਊ ਨੇ ਕਿਹਾ, "ਵੱਖ-ਵੱਖ ਔਰਗੈਨੋਇਡਸ ਵਿੱਚ ਥੋੜ੍ਹਾ ਵੱਖਰਾ ਨੈੱਟਵਰਕ ਕਨੈਕਸ਼ਨ, ਵਿਕਾਸ ਦੀਆਂ ਸਥਿਤੀਆਂ, ਅਤੇ ਚੱਲ ਰਹੀ ਗਤੀਵਿਧੀ ਹੋ ਸਕਦੀ ਹੈ, ਇਸਲਈ ਉਹੀ ਇਨਪੁਟ ਇੱਕੋ ਜਿਹੇ ਜਵਾਬ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਪਰ ਇੱਕੋ ਜਿਹੇ ਨਹੀਂ," ਲਿਊ ਨੇ ਕਿਹਾ। "ਉਨ੍ਹਾਂ ਜਵਾਬਾਂ ਨੂੰ ਜੋੜਨ ਨਾਲ ਸਾਨੂੰ ਪੂਰਕ ਜਾਣਕਾਰੀ ਮਿਲ ਸਕਦੀ ਹੈ ਜੋ ਅਸੀਂ ਇੱਕ ਸਿੰਗਲ ਔਰਗੈਨੋਇਡ ਤੋਂ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰਾਂਗੇ। ਉਸੇ ਸਮੇਂ, ਜੇਕਰ ਹਰ ਔਰਗੈਨੋਇਡ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇੱਕ ਅਨੁਮਾਨਯੋਗ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਪ੍ਰਣਾਲੀ ਬਣਾਉਣਾ ਔਖਾ ਬਣਾਉਂਦਾ ਹੈ."
ਟੀਮ ਨੇ ਟਿਸ਼ੂ ਦੇ ਆਉਟਪੁੱਟ 'ਤੇ ਵੀ ਜ਼ੋਰ ਦਿੱਤਾ। ਜਦੋਂ ਵਿਗਿਆਨੀਆਂ ਨੇ ਬ੍ਰੇਲ ਸਿਗਨਲਾਂ ਵਿੱਚ ਨਕਲੀ ਸ਼ੋਰ ਸ਼ਾਮਲ ਕੀਤਾ, ਤਾਂ ਓਰਗੈਨੋਇਡਜ਼ ਦੇ ਜਵਾਬਾਂ ਤੋਂ ਡੀਕੋਡਿੰਗ ਉਸੇ ਐਲਗੋਰਿਦਮ ਨਾਲ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਡੀਗਰੇਡ ਸਿਗਨਲਾਂ ਨੂੰ ਡੀਕੋਡ ਕਰਨ ਨਾਲੋਂ ਮੂਰਖ ਬਣਾਉਣਾ ਔਖਾ ਸਾਬਤ ਹੋਇਆ। ਔਰਗੈਨੋਇਡਜ਼ ਦੁਆਰਾ ਪ੍ਰੋਸੈਸ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਡੇਟਾ ਨੇ ਕਲਾਸੀਫਾਇਰ ਲਈ ਕੱਚੇ ਸ਼ੋਰ ਵਾਲੇ ਇੰਪੁੱਟ ਦੀ ਇਜਾਜ਼ਤ ਨਾਲੋਂ ਵਧੇਰੇ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸਹੀ ਅੱਖਰ ਚੁਣਨ ਲਈ ਕਾਫ਼ੀ ਢਾਂਚਾ ਬਰਕਰਾਰ ਰੱਖਿਆ।
ਵਾਰਡ-ਚੈਰੀਅਰ ਨੇ ਕਿਹਾ, "ਔਰਗੈਨੋਇਡਜ਼ ਦੁਆਰਾ ਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਬਾਅਦ, ਟੈਕਟਾਇਲ ਡੇਟਾ ਵਿੱਚ ਅਜੇ ਵੀ ਬ੍ਰੇਲ ਅੱਖਰਾਂ ਨੂੰ ਚੰਗੀ ਸ਼ੁੱਧਤਾ ਨਾਲ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਜਾਣਕਾਰੀ ਹੈ।" "ਕਈ ਔਰਗੈਨੋਇਡਸ ਤੋਂ ਆਉਟਪੁੱਟ ਨੂੰ ਜੋੜਨ ਨਾਲ ਵੀ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਦਿਖਾਇਆ ਗਿਆ ਹੈ."
ਜੀਵ-ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਕਿਉਂ ਪਰਤਾਉਂਦਾ ਹੈ
ਪ੍ਰੇਰਣਾ ਊਰਜਾ ਹੈ। ਮਨੁੱਖੀ ਦਿਮਾਗ ਗਣਨਾ ਕਰਦੇ ਹੋਏ ਲਗਭਗ 20 ਵਾਟਸ 'ਤੇ ਚੱਲਦਾ ਹੈ ਜੋ ਰਵਾਇਤੀ ਹਾਰਡਵੇਅਰ ਤੋਂ ਵੱਧ ਬਿਜਲੀ ਦੇ ਆਦੇਸ਼ਾਂ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ - ਇੱਕ ਪਾੜਾ ਜੋ AI ਡੇਟਾ ਸੈਂਟਰਾਂ ਦੇ ਗੁਣਾ ਵਧਣ ਨਾਲ ਵਧਿਆ ਹੈ। ਨਿਊਰੋਮੋਰਫਿਕ ਚਿਪਸ ਸਿਲੀਕਾਨ ਵਿੱਚ ਦਿਮਾਗ ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਹਾਸਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ, ਅਤੇ ਔਰਗੈਨੋਇਡ ਇੰਟੈਲੀਜੈਂਸ ਉਸੇ ਬਾਜ਼ੀ ਦੇ ਵਧੇਰੇ ਰੈਡੀਕਲ ਸੰਸਕਰਣ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ: ਉਹਨਾਂ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਬਜਾਏ ਅਸਲ ਨਿਊਰੋਨਸ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਰੋਬੋਟਿਕਸ ਅਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਸੰਭਾਵੀ ਐਪਲੀਕੇਸ਼ਨ ਕੇਂਦਰ, ਜਿੱਥੇ ਹਰ ਵਾਟ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ ਅਤੇ ਸਪਰਸ਼ ਸੰਵੇਦਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਇੱਕ ਸੈਂਸਰ ਜੋ ਜੀਵਿਤ ਨਿਊਰੋਨਸ ਲਈ ਸਿਗਨਲ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਆਫਲੋਡ ਕਰ ਸਕਦਾ ਹੈ - ਜਾਂ ਇੱਕ ਦਿਨ ਉਹਨਾਂ ਦੇ ਨਾਲ ਇੱਕ ਬੰਦ ਲੂਪ ਬਣਾ ਸਕਦਾ ਹੈ - ਉਹਨਾਂ ਮਸ਼ੀਨਾਂ ਦੇ ਪਾਵਰ ਬਜਟ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇ ਸਕਦਾ ਹੈ ਜਿਹਨਾਂ ਨੂੰ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਸਮਝਣ ਅਤੇ ਪ੍ਰਤੀਕ੍ਰਿਆ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
##ਸਰਦਾਰੀ ਭੱਜਣ ਤੋਂ ਪਹਿਲਾਂ ਸਾਵਧਾਨ
ਬ੍ਰਿਸਟਲ ਟੀਮ ਇਸ ਬਾਰੇ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਪ੍ਰਯੋਗ ਕੀ ਨਹੀਂ ਦਿਖਾਉਂਦਾ ਹੈ। ਅੰਗ ਸਿੱਖ ਨਹੀਂ ਰਹੇ ਸਨ; ਉਹਨਾਂ ਨੇ ਉਤੇਜਨਾ ਦਾ ਜਵਾਬ ਦਿੱਤਾ, ਪਰ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਟਿਸ਼ੂ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਦੇ ਬਦਲਾਅ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ ਕੀਤਾ। ਇਹ ਕੰਮ ਇੱਕ ਸਿੰਗਲ ਸਪਰਸ਼ ਸੀ, ਇੱਕ ਸਥਿਰ ਏਨਕੋਡਿੰਗ ਸਕੀਮ ਅਤੇ ਨਿਊਰਲ ਗਤੀਵਿਧੀ ਦੇ ਇੱਕ ਮੁਕਾਬਲਤਨ ਸਧਾਰਨ ਮਾਪ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ।
ਲਿਊ ਨੇ ਕਿਹਾ, "ਅਸੀਂ ਦਿਖਾਇਆ ਹੈ ਕਿ ਸਪਰਸ਼ ਜਾਣਕਾਰੀ ਨੂੰ ਏਨਕੋਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਔਰਗੈਨੋਇਡਸ ਦੁਆਰਾ ਸੰਸਾਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਡੀਕੋਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਅਸੀਂ ਔਰਗੈਨੋਇਡਜ਼ ਵਿੱਚ ਸਿੱਖਣ ਜਾਂ ਲੰਬੇ ਸਮੇਂ ਦੇ ਬਦਲਾਅ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ ਕੀਤਾ," ਲਿਊ ਨੇ ਕਿਹਾ।
ਟੀਮ ਕਹਿੰਦੀ ਹੈ ਕਿ ਅਗਲੇ ਪੜਾਅ, ਬ੍ਰੇਲ ਤੋਂ ਪਰੇ ਪਹੁੰਚਦੇ ਹਨ। ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਟੈਕਸਟ ਅਤੇ ਕਿਨਾਰਿਆਂ ਵਰਗੇ ਅਮੀਰ ਸਪਰਸ਼ ਇਨਪੁਟਸ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੈ, ਅਤੇ ਅੰਤ ਵਿੱਚ ਬੰਦ-ਲੂਪ ਕਾਰਜਾਂ ਵਿੱਚ ਜਿੱਥੇ ਇੱਕ ਔਰਗੈਨੋਇਡ ਆਪਣੇ ਖੁਦ ਦੇ ਆਉਟਪੁੱਟ ਦੇ ਨਤੀਜਿਆਂ ਤੋਂ ਫੀਡਬੈਕ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ - ਉਹ ਸੰਰਚਨਾ ਜੋ ਇਹ ਟੈਸਟ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰੇਗੀ ਕਿ ਕੀ ਜੀਵਿਤ ਟਿਸ਼ੂ ਕੇਵਲ ਇਸਦੇ ਦੁਆਰਾ ਪ੍ਰਸਾਰਿਤ ਕਰਨ ਦੀ ਬਜਾਏ ਇੱਕ ਕਾਰਜ ਲਈ ਅਨੁਕੂਲ ਹੋ ਸਕਦਾ ਹੈ।
ਹੁਣ ਲਈ, ਨਤੀਜਾ ਇੱਕ ਇੰਜਨੀਅਰਿੰਗ ਸਬੂਤ ਵਜੋਂ ਖੜ੍ਹਾ ਹੈ: ਭੌਤਿਕ ਸੰਸਾਰ ਤੋਂ ਸਿਗਨਲ ਜੀਵਤ ਤੰਤੂ ਟਿਸ਼ੂ ਵਿੱਚ ਦਾਖਲ ਹੋ ਸਕਦੇ ਹਨ ਅਤੇ ਦੂਜੇ ਪਾਸੇ ਤੋਂ ਪਛਾਣਨ ਯੋਗ ਵਾਪਸ ਆ ਸਕਦੇ ਹਨ। ਇਹ ਇੱਕ ਬਾਇਓਹਾਈਬ੍ਰਿਡ ਕੰਪਿਊਟਰ ਤੋਂ ਬਹੁਤ ਲੰਬਾ ਰਸਤਾ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਕਿਸਮ ਦਾ ਬੇਮਿਸਾਲ ਮੀਲਪੱਥਰ ਹੈ - ਭਰੋਸੇਯੋਗ ਟ੍ਰਾਂਸਡਕਸ਼ਨ, ਮਾਪਣਯੋਗ ਸ਼ੁੱਧਤਾ, ਇਮਾਨਦਾਰ ਗਲਤੀ ਬਾਰ - ਜਿਸ 'ਤੇ ਪਹਿਲਾਂ ਕੰਪਿਊਟਿੰਗ ਇਨਕਲਾਬ ਵੀ ਬਣਾਏ ਗਏ ਸਨ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
