عدیل رازی دانشمند حوزه علوم عصبی و هوش مصنوعی در دانشگاه «موناش» استرالیا اظهار داشت: گمانهزنی در خصوص تحولات و اختراعات آینده در این حوزه دشوار است اما میتوان تصور کرد که رباتهایی با هوشیاری یا خودآگاهی مصنوعی خواهیم داشت.
وی افزود: در هر حال این رباتها، رباتهای دیگر مانند خودشان را «هوشیار» یا «آگاه» (conscious) تلقی خواهند کرد.
پیشرفت دانشمندان در ایجاد هوش بیولوژیک سنتتیک
در خصوص این پیشرفت لازم به ذکر است که در حال حاضر سلولهای مغزی ترکیبی یا سنتتیک (synthetic) رشد داده شده در آزمایشگاه، قادر به یاد گرفتن وظایفی هستند. اما اکنون محققان این سلولهای مغزی آزمایشگاهی را روی تراشههای سیلیکون کار گذاشته و قصد وارد کردن آنها به قلمرو یادگیری ماشین را دارند.
رازی استادیار موسسه علوم مغزی در دانشگاه «موناش» در ملبورن استرالیا در این خصوص گفت: این پروژه حوزههای هوش مصنوعی و بیولوژی ترکیبی (سنتتیک) را ادغام میکند تا بتواند پلتفرمهای محاسباتی بیولوژیکی قابل برنامهریزی ایجاد کند.
وی افزود: این قابلیت فناورانه جدید ممکن است در نهایت در آینده از عملکرد سختافزارهای موجود صرفا سیلیکونی پیشی بگیرد.
دانشگاه موناش نیز در بیانیهای اعلام کرد: هدف این پروژه، رشد دادن سلولهای مغزی انسان در یک ظرف آزمایشگاهی موسوم به سیستم «دیشبرین» (DishBrain) به منظور شناخت مکانیزمهای مختلف بیولوژیکی است که یادگیری مداوم در طول زندگی را ممکن میسازد.
«دفتر هوش ملی» دولت استرالیا نیز در توضیح این پروژه تحقیقاتی سه ساله خاطرنشان میکند: این پروژه قصد دارد حوزههای هوش مصنوعی و بیولوژی سنتتیک را ادغام کرده و تراشههای محاسباتی «سایبورگ» بسازد. سایبورگ (Cyborg) عبارت ترکیبی از «سایبرنتیک» و «ارگانیک» به معنی موجود یا ماشینی با دو بخش ارگانیک (زنده) و مکانیکی است.
این محققان میگویند که هوش بیولوژیک سنتتیک در گذشته تنها محدود به حوزه داستانهای علمی بود اما اکنون تحقق واقعی آن نزدیک است. تحقیقات زیر نظر پروفسور رازی در این حوزه میتواند یادگیری ماشین را وارد مرحلهای دیگر کند.
به گفته این محقق پاکستانیتبار، مغز انسان برای توانایی خود در یادگیری طولانی در طول مدت عمر شناخته شده است اما سامانههای هوش مصنوعی کنونی وقتی وظایف جدیدی به خزانه دانش (repertoire) آنها اضافه شود، به «فراموشی فاجعهبار» دچار میشوند. اما توانایی مداوم و طولانیمدت یادگیری این مغزهای تراشهای سنتتیک به ماشینها امکان میدهد تا مهارتهای جدید را فرابگیرند بدون اینکه آموختههای قدیمی را به خطر اندازند. این تراشهها همچنین میتوانند خود را با تغییرات سازگار کنند و دانش یادگرفته قبلی را در مورد وظایف جدید به کار بندند.
وی خاطرنشان کرد: نتایج چنین تحقیقاتی پیامدهای مهمی در حوزههای مختلف مانند رباتیک، اتوماسیون پیشرفته و رابطهای مغز – ماشین و کشف دارو خواهد داشت.