Os Cientistas Usaram O DNA Para Criar IA Em Um Tubo De Ensaio E Logo Ele Terá Suas Próprias &Ldquo; Memórias &Rdquo; - Visão Alternativa

Índice:

Os Cientistas Usaram O DNA Para Criar IA Em Um Tubo De Ensaio E Logo Ele Terá Suas Próprias &Ldquo; Memórias &Rdquo; - Visão Alternativa
Os Cientistas Usaram O DNA Para Criar IA Em Um Tubo De Ensaio E Logo Ele Terá Suas Próprias &Ldquo; Memórias &Rdquo; - Visão Alternativa

Vídeo: Os Cientistas Usaram O DNA Para Criar IA Em Um Tubo De Ensaio E Logo Ele Terá Suas Próprias &Ldquo; Memórias &Rdquo; - Visão Alternativa

Vídeo: Os Cientistas Usaram O DNA Para Criar IA Em Um Tubo De Ensaio E Logo Ele Terá Suas Próprias &Ldquo; Memórias &Rdquo; - Visão Alternativa
Vídeo: Cientistas estão recebendo sinais de um mundo extraterrestre! 2024, Pode
Anonim

Os cientistas criaram inteligência artificial em um tubo de ensaio usando moléculas de DNA e estão confiantes de que em breve ela começará a formar suas próprias "memórias".

Uma rede neural artificial feita inteiramente de DNA e imitando a maneira como o cérebro funciona, foi criada por cientistas em laboratório.

A IA de tubo de ensaio poderia resolver o problema clássico de aprendizado de máquina identificando corretamente os números escritos à mão.

O trabalho é um passo significativo na demonstração da capacidade de programar IA em circuitos orgânicos artificiais, dizem os cientistas.

Isso poderia um dia levar a robôs humanóides feitos de materiais totalmente orgânicos, em vez dos cibermen de metal brilhante, populares na cultura do show.

Os pesquisadores estão confiantes de que o dispositivo em breve começará a formar suas próprias “memórias” a partir das amostras adicionadas ao tubo de ensaio.

Seu objetivo final é programar comportamentos inteligentes, como a capacidade de calcular, fazer escolhas e muito mais, usando redes neurais artificiais feitas de DNA.

O desenho do artista é uma rede neural artificial criada a partir do DNA
O desenho do artista é uma rede neural artificial criada a partir do DNA

O desenho do artista é uma rede neural artificial criada a partir do DNA.

Vídeo promocional:

O California Institute of Technology escolheu um problema que é um desafio clássico para resolver o problema das redes neurais artificiais eletrônicas que reconhecem texto manuscrito.

Foi um dos primeiros problemas resolvidos por pesquisadores de visão computacional e um método ideal para ilustrar as capacidades das redes neurais baseadas em DNA.

A caligrafia de uma pessoa pode variar amplamente e, portanto, quando uma pessoa estuda uma sequência escrita de números, o cérebro executa tarefas computacionais complexas para identificá-los.

Uma vez que é difícil até para humanos reconhecer a caligrafia desleixada uns dos outros, identificar números manuscritos é um teste comum para programar inteligência em redes neurais de IA.

Essas redes devem ser “treinadas” para reconhecer números, dar conta das diferenças de escrita e então comparar o número desconhecido com suas chamadas memórias e determinar a identificação do número.

A equipe demonstrou que uma rede neural de sequências de DNA elaboradas pode realizar reações químicas indicando que identificou corretamente a "escrita molecular".

Quando um número desconhecido é dado, essa chamada "sopa inteligente" sofre uma série de reações e emite dois sinais fluorescentes, por exemplo, verde e amarelo para representar cinco, ou verde e vermelho para representar nove.

POR QUE OS PESQUISADORES USARAM DNA PARA

CRIANDO AI EM UM TUBO?

A chave para fazer fitas biomoleculares do DNA são as regras estritas para a ligação entre as moléculas de DNA.

Uma molécula de DNA de fita simples é composta de moléculas menores chamadas de nucleotídeos - abreviadas A, T, C e G - localizadas em uma string ou sequência.

Nucleotídeos em uma molécula de DNA de fita simples podem se ligar a nucleotídeos em outra fita simples para formar DNA de fita dupla, mas os nucleotídeos só se ligam de maneiras muito específicas.

O nucleotídeo A sempre se liga a T e C a G.

Usando essas regras de ligação previsíveis, os pesquisadores foram capazes de projetar fitas curtas de DNA para sofrer reações químicas previsíveis in vitro e, assim, computar tarefas como o reconhecimento de estruturas moleculares.

Em 2011, eles criaram a primeira rede neural artificial de moléculas de DNA capaz de reconhecer quatro padrões simples.

Em julho de 2018, eles revelaram a inteligência artificial in vitro que pode resolver o problema clássico de aprendizado de máquina identificando corretamente os números escritos à mão.

A pesquisadora líder Lulu Qian, professora associada do Departamento de Bioengenharia, disse: “Embora os cientistas apenas tenham começado a investigar a criação de inteligência artificial em máquinas moleculares, seu potencial já é inegável.

Assim como os computadores eletrônicos e smartphones tornaram os humanos mais capazes do que cem anos atrás, as máquinas moleculares artificiais serão capazes de fazer qualquer coisa feita de moléculas - inclusive tintas e curativos - e se tornarão mais capazes e responsivos ao meio ambiente nos próximos cem anos.."

COMO APRENDE A INTELIGÊNCIA ARTIFICIAL?

Os sistemas de IA contam com redes neurais artificiais (RNAs) que tentam imitar a maneira como o cérebro funciona para aprender.

As RNAs aprenderão a reconhecer padrões de informação, incluindo fala, dados textuais ou imagens visuais, e são a base para um grande número de desenvolvimentos de IA nos últimos anos.

A IA convencional usa entradas para treinar um algoritmo sobre um determinado assunto, alimentando-o com uma grande quantidade de informações.

As aplicações práticas incluem serviços de tradução de idiomas do Google, software de reconhecimento facial do Facebook e filtros de edição de imagem Snapchat.

O processo de inserir esses dados pode ser extremamente demorado e limitado a um tipo de conhecimento.

Uma nova geração de RNAs, chamada de Redes Neurais Adversariais, coloca a inteligência de dois bots de IA um contra o outro, permitindo que aprendam um com o outro.

Esta abordagem visa agilizar o processo de aprendizagem, bem como melhorar as inferências geradas por sistemas de IA.

Recomendado: