W cichym laboratorium odbyło się coś, co zmienia wszystko
Daleko od konsol do gier i zapalonych graczy, żywe ludzkie komórki nerwowe po raz pierwszy samodzielnie nauczyły się grać w grę wideo. Nie trzymały kontrolera w dłoniach — były podłączone do układu scaloneego.
W ciągu zaledwie kilku dni miniaturowe mózgi potrafiły już rozpoznawać wrogów w Doom, unikać ich i eliminować. Naukowcy zgodnie twierdzą, że mamy do czynienia z punktem zwrotnym — zarówno dla sztucznej inteligencji, jak i dla przyszłych zastosowań medycznych.
Dlaczego akurat Doom? Dziwaczna tradycja zyskuje biologicznego następcę
Od lat dziewięćdziesiątych Doom pełni rolę swoistego testu sprawności dla każdego nowego systemu komputerowego. Jeśli gra działa, sprzęt najwyraźniej radzi sobie ze złożonymi obliczeniami, wyświetlaniem obrazu i reagowaniem w czasie rzeczywistym na sygnały wejściowe.
Właśnie dlatego Doom został przeniesiony na niemal wszystko, co posiada procesor: kalkulatory, bankomaty, traktory, a nawet test ciążowy. To nieoficjalny standard pomiaru możliwości obliczeniowych — coś w rodzaju cyfrowego rytuału przejścia.
Do tej pory zabawa ograniczała się wyłącznie do martwego sprzętu. Teraz dwa laboratoria przesunęły tę granicę w zupełnie nowym kierunku. Australijski startup Cortical Labs oraz szwajcarska firma FinalSpark pozwoliły żywym ludzkim neuronom sterować rozgrywką w Doom. Bez z góry zaprogramowanej strategii, bez tradycyjnego kodu — jedynie komórki, które odbierają bodźce, reagują i uczą się w zawrotnym tempie.
Ciekawe artykuły:
Dlaczego Doom okazał się do tego idealny?
Gra stawia przed graczem konkretne, mierzalne wyzwania, które — jak się okazuje — świetnie nadają się do testowania zdolności adaptacyjnych żywych neuronów. Doom wymaga między innymi:
- precyzyjnego poruszania się po korytarzach i zakrętach
- błyskawicznego rozpoznawania wrogów i przeszkód oraz odpowiedniego reagowania na nie
To właśnie ta kombinacja prostych reguł i dynamicznego środowiska sprawia, że gra stała się doskonałym poligonem doświadczalnym — tym razem nie dla krzemu, lecz dla żywej tkanki nerwowej.
Co to oznacza dla nauki i technologii?
Osiągnięcie to wykracza daleko poza ciekawostkę technologiczną. Badacze podkreślają, że biologiczne układy neuronalne uczą się w sposób zasadniczo odmienny od klasycznych algorytmów — szybciej adaptują się do nowych warunków i zużywają przy tym nieporównywalnie mniej energii.
Perspektywy są ogromne. Hybrydowe systemy łączące żywe neurony z elektroniką mogą w przyszłości znaleźć zastosowanie zarówno w zaawansowanych protezach, jak i w zupełnie nowych architekturach obliczeniowych. Świat sztucznej inteligencji obserwuje te eksperymenty z rosnącym zainteresowaniem — i nie bez powodu.
