Forskare har skapat artificiell intelligens i ett provrör med DNA-molekyler, och de är övertygade om att den snart kommer att bilda sina egna "minnen".
Ett konstgjort neuralt nätverk helt och hållet tillverkat av DNA och efterliknar hur hjärnan fungerar skapades av forskare i laboratoriet.
Provrör AI kan lösa det klassiska maskininlärningsproblemet genom att korrekt identifiera handskrivna siffror.
Arbetet är ett viktigt steg för att demonstrera förmågan att programmera AI i artificiella organiska kretsar, säger forskare.
Detta kan en dag leda till humanoida robotar tillverkade av helt organiska material, snarare än de glänsande metallcykelmän som är populära i showkulturen.
Forskarna är övertygade om att enheten snart kommer att börja bilda sina egna "minnen" från de prover som läggs till i provröret.
Deras yttersta mål är att programmera intelligenta beteenden som förmågan att beräkna, göra val och mer med hjälp av artificiella neurala nätverk gjorda av DNA.
Konstnärens ritning är ett artificiellt neuralt nätverk som skapas från DNA.
Kampanjvideo:
California Institute of Technology valde ett problem som är en klassisk utmaning för att lösa problemet med elektroniska artificiella neurala nätverk som känner igen handskriven text.
Det var ett av de första problemen som löstes av datorsynforskare och en idealisk metod för att illustrera kapaciteten hos DNA-baserade neurala nätverk.
En persons handstil kan variera mycket, och när en person studerar en skriftlig sekvens av siffror utför hjärnan komplexa beräkningsuppgifter för att identifiera dem.
Eftersom det är svårt även för människor att känna igen varandras slarviga handstil, är identifiering av handskrivna nummer ett vanligt test för programmering av intelligens i AI-neuronnätverk.
Dessa nätverk måste”tränas” för att känna igen nummer, ta hänsyn till skillnader i handstil och sedan jämföra det okända numret med sina så kallade minnen och bestämma numret.
Teamet visade att ett neuralt nätverk av utarbetade DNA-sekvenser kan utföra kemiska reaktioner som indikerar att det korrekt identifierade "molekylär handskrift."
När ett okänt nummer ges, genomgår denna så kallade "smart soppa" en serie reaktioner och avger två fluorescerande signaler, till exempel grönt och gult för att representera fem, eller grönt och rött för att representera nio.
VARFÖR FORSKARE HAR ANVÄNT DNA FÖR
SKAPA AI I EN RÖR?
Nyckeln till att skapa biomolekylära strängar från DNA är de strikta reglerna för bindning mellan DNA-molekyler.
En enkelsträngad DNA-molekyl består av mindre molekyler som kallas nukleotider - förkortade A, T, C och G - placerade i en sträng eller sekvens.
Nukleotider i en enkelsträngad DNA-molekyl kan binda till nukleotider på en annan enkelsträngad sträng för att bilda dubbelsträngat DNA, men nukleotider binder bara på mycket specifika sätt.
Nukleotid A binder alltid till T och C till G.
Med hjälp av dessa förutsägbara bindningsregler kunde forskarna designa korta strängar DNA för att genomgå förutsägbara kemiska reaktioner in vitro och därmed beräkna uppgifter som att känna igen molekylära strukturer.
2011 skapade de det första artificiella neurala nätverket av DNA-molekyler som kunde känna igen fyra enkla mönster.
I juli 2018 presenterade de in vitro artificiell intelligens som kan lösa det klassiska maskininlärningsproblemet genom att korrekt identifiera handskrivna siffror.
Ledande forskare Lulu Qian, docent vid Institutionen för bioteknik, sade:”Även om forskare precis har börjat undersöka skapandet av artificiell intelligens i molekylära maskiner, är dess potential redan obestridlig.
Precis som elektroniska datorer och smartphones gjorde människor mer kapabla än för hundra år sedan, kommer artificiella molekylära maskiner att kunna göra allt som är gjort av molekyler - inklusive till och med färger och bandage - och bli mer kapabla och mer lyhörda för miljön under de närmaste hundra åren.."
HUR LÄR KUNSTIG INTELLIGENS?
AI-system är beroende av artificiella neurala nätverk (ANN) som försöker efterlikna hur hjärnan fungerar för att lära sig.
ANNs kommer att träna för att känna igen mönster i information, inklusive tal, textdata eller visuella bilder, och är grunden för ett stort antal AI-utveckling de senaste åren.
Konventionell AI använder ingångar för att träna en algoritm om ett visst ämne och mata den till en mängd information.
Praktiska applikationer inkluderar Googles språköversättningstjänster, Facebook-program för ansiktsigenkänning och Snapchat-bildredigeringsfilter.
Processen att mata in dessa data kan vara extremt tidskrävande och begränsad till en typ av kunskap.
En ny generation av ANN: er, som kallas kontroversiella neurala nätverk, stämmer med två AI-robotar mot varandra och låter dem lära av varandra.
Detta tillvägagångssätt syftar till att påskynda inlärningsprocessen samt förbättra de slutsatser som genereras av AI-system.
