Nye publikasjoner
Kunstig intelligens: Det er utviklet en chip som etterligner hjerneaktivitet
Sist anmeldt: 01.07.2025
Alt iLive-innhold blir gjennomgått med medisin eller faktisk kontrollert for å sikre så mye faktuell nøyaktighet som mulig.
Vi har strenge retningslinjer for innkjøp og kun kobling til anerkjente medieområder, akademiske forskningsinstitusjoner og, når det er mulig, medisinsk peer-evaluerte studier. Merk at tallene i parenteser ([1], [2], etc.) er klikkbare koblinger til disse studiene.
Hvis du føler at noe av innholdet vårt er unøyaktig, utdatert eller ellers tvilsomt, velg det og trykk Ctrl + Enter.
I flere tiår har forskere drømt om å lage et datasystem som kunne gjenskape den menneskelige hjernens talent for å lære nye problemer.
Forskere ved Massachusetts Institute of Technology har nå tatt et stort skritt mot å nå dette målet ved å utvikle en databrikke som etterligner måten hjernens nevroner tilpasser seg som respons på ny informasjon. Dette fenomenet, kjent som plastisitet, antas å ligge til grunn for mange hjernefunksjoner, inkludert læring og hukommelse.
Med rundt 400 transistorer kan silisiumbrikken etterligne aktiviteten til en enkelt hjernesynapse – forbindelsen mellom to nevroner som forenkler overføring av informasjon fra ett nevron til et annet. Forskerne forventer at brikken vil hjelpe nevroforskere med å lære mye mer om hvordan hjernen fungerer, og den kan også brukes til å utvikle nevrale proteser som kunstige netthinner, sier prosjektleder Chi-Sang Poon.
Modellering av synapser
Det er omtrent 100 milliarder nevroner i hjernen, som hver danner synapser med mange andre nevroner. En synapse er rommet mellom to nevroner (presynaptiske og postsynaptiske nevroner). Det presynaptiske nevronet frigjør nevrotransmittere som glutamat og GABA, som binder seg til reseptorer på cellens postsynaptiske membran og aktiverer ionekanaler. Åpningen og lukningen av disse kanalene fører til at cellens elektriske potensial endres. Hvis potensialet endres dramatisk nok, avfyrer cellen en elektrisk impuls kalt et aksjonspotensial.
All synaptisk aktivitet er avhengig av ionekanaler, som kontrollerer strømmen av ladede ioner som natrium, kalium og kalsium. Disse kanalene er også sentrale i to prosesser kjent som langsiktig potensering (LTP) og langsiktig depresjon (LTD), som henholdsvis styrker og svekker synapser.
Forskerne designet databrikken sin slik at transistorene kan etterligne aktiviteten til forskjellige ionekanaler. Mens de fleste brikker opererer i en binær av/på-modus, flyter de elektriske strømmene på den nye brikken gjennom transistorene i en analog modus. En gradient av elektrisk potensial får strømmen til å flyte gjennom transistorene på samme måte som ioner flyter gjennom ionekanaler i en celle.
«Vi kan justere parameterne til kretsen for å fokusere på en bestemt ionekanal», sier Poon. «Nå har vi en måte å fange opp hver ioneprosess som skjer i en nevron.»
Den nye brikken representerer «et betydelig fremskritt i arbeidet med å studere biologiske nevroner og synaptisk plastisitet på en CMOS-brikke [komplementær metalloksid-halvleder]», sier Dean Buonomano, professor i nevrobiologi ved University of California, Los Angeles, og legger til at «nivået av biologisk realisme er imponerende».
Forskerne planlegger å bruke brikken sin til å lage systemer for å simulere spesifikke nevrale funksjoner, som for eksempel det visuelle prosesseringssystemet. Slike systemer kan være mye raskere enn digitale datamaskiner. Selv høytytende datasystemer bruker timer eller dager på å simulere enkle hjernekretser. Med brikkens analoge system er simuleringene raskere enn i biologiske systemer.
En annen potensiell bruk for disse brikkene er å tilpasse interaksjoner med biologiske systemer, som kunstige netthinner og hjerner. I fremtiden kan disse brikkene bli byggesteiner for kunstig intelligens-enheter, sier Poon.