Read Time:3 Minute
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ കമ്പ്യൂട്ടിങ് ശക്തി വർധിപ്പിക്കുന്നതിന്, മനുഷ്യ മസ്തിഷ്കത്തിന്റെ 3D മോഡൽ സഹായിക്കുമെന്ന് കണ്ടെത്തൽ. Machine learning നൊപ്പം ലാബിൽ വളർത്തിയ വിവിധ തരം മസ്‌തിഷ്‌ക കോശങ്ങൾ ഉപയോഗിച്ച് നിർമ്മിച്ച മനുഷ്യ മസ്തിഷ്കത്തിന്റെ അത്യാധുനിക 3 ഡി മോഡലാണ് പരീക്ഷണത്തിന് ഉപയോഗിച്ചത്. ഓർഗനോയിഡ് (Organoid) എന്നാണ് ഇത്തരം 3D മാതൃകകൾ അറിയപ്പെടുന്നത്. പരമ്പരാഗത കമ്പ്യൂട്ടിങ് രീതികൾ ഉപയോഗിച്ച് ഇലക്ട്രിക്കൽ ഡാറ്റ ഓർഗനോയിഡിലേക്ക് കടത്തിവിട്ട് output നിർമ്മിക്കുന്നതിലുള്ള ഓർഗനോയിഡിൻന്റെ പ്രവർത്തനങ്ങൾ ഗവേഷകർ നിരീക്ഷിക്കുകയുണ്ടായി. Reservoir computing എന്നറിയപ്പെടുന്ന ഈ വിദ്യയിൽ ഓർഗനോയിഡ് ‘റിസർവോയർ’ ആയി പ്രവർത്തിക്കുന്നു. റിസർവോയർ വിവരങ്ങൾ സംഭരിക്കുകയും ഇൻപുട്ട് ചെയ്ത വിവരങ്ങളോട് പ്രതികരിക്കുകയും ചെയ്യുന്നു. ഒരു അൽഗോരിതം ഉപയോഗിച്ച് വ്യത്യസ്ത ഇൻപുട്ടുകൾ റിസർവോയറിൽ ഉണ്ടാക്കുന്ന മാറ്റ ങ്ങൾ പഠിക്കുകയും തുടർന്ന് ഈ മാറ്റങ്ങൾ അതിന്റെ ഔട്ട്പുട്ടുകളായി വിവർത്തനം ചെയ്യുകയും ചെയ്യുന്നു. മസ്‌തിഷ്‌ക ഓർഗനോയിഡ് ഒരു യഥാർഥ തലച്ചോറിനേക്കാൾ വളരെ ലളിതമാണെങ്കിലും ഉത്തേജനത്തോട് പ്രതികരിക്കാൻ ഇതിന് കഴിവുണ്ട്. ഓർഗാനോയിഡിലെ വിവിധ തരം മസ്‌തിഷ്‌ക കോശങ്ങളുടെ പ്രതികരണം വൈദ്യുത സിഗ്‌നലുകളോടുള്ള നമ്മുടെ തലച്ചോറിന്റെ പ്രതികരണരീതിക്ക് സമാനമാണ്.
പരിഷ്കരിച്ച hardware ഉപയോഗിച്ച്, രണ്ട് തരം ജോലികൾ പൂർത്തിയാക്കാൻ ഹൈബ്രിഡ് അൽഗോരിതം വഴി സാധ്യമായി. ഇതിലൊന്ന് സംസാരം തിരിച്ചറിയാനുള്ളതും മറ്റൊന്ന് ഗണിതശാസ്ത്രവുമായി ബന്ധപ്പെട്ടതുമാണ്. ആദ്യത്തേതിൽ, നൂറുകണക്കിന് ഓഡിയോ സാമ്പിളുകളിൽ നിന്ന് ജാപ്പനീസ് സ്വരാക്ഷര ശബ്ദങ്ങൾ 78% കൃത്യതയോടെ തിരിച്ചറിയാൻ കമ്പ്യൂട്ടറിന് സാധിച്ചു. ഗണിതശാസ്ത്ര പ്രശ്‌നങ്ങൾ പരിഹരിക്കുന്നതിലും ഇത് വളരെ കൃത്യമായിരുന്നു. മസ്തിഷ്കത്തിന്റെ യഥാർഥ ഘടനയെയും പ്രവർത്തനങ്ങളെയും അനുകരിക്കുന്നതിൽ നിന്ന് ഓർഗനോയിഡ് വളരെ അകലെയാണെങ്കിലും, ഈ പരീക്ഷണം ‘ബയോ കമ്പ്യൂട്ടറുകളിലേക്കുള്ള’ ഒരു ചുവടുവെപ്പായി കണക്കാക്കാം. മനുഷ്യ മസ്‌തിഷ്കം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്നും അൽഷിമേഴ്സ്, പാർക്കിൻസൺസ് രോഗം പോലുള്ള ന്യൂറോ ഡീജനറേറ്റീവ് അവസ്ഥകൾ അതിനെ എങ്ങനെ ബാധിക്കുന്നുവെന്നും കൂടുതൽ മനസ്സിലാക്കാൻ ഇത് സഹായിക്കും.
അവലംബം: Brain organoid reservoir computing for artificial intelligence | Nature Electronics
Happy
33 %
Sad
0 %
Excited
0 %
Sleepy
0 %
Angry
33 %
Surprise
33 %
0
0
