I och med detta har science fiction-dr\u00f6mmar om verklighetstrogna robotar minskat n\u00e5got till en verklighet med mer ytligt vardagliga stora spr\u00e5kmodeller (LLM) som ChatGPT. <\/span><\/p>\n Naturligtvis \u00e4r dagens AI-modeller fortfarande f\u00e4ngslande, men de fungerar som ett verktyg snarare \u00e4n en varelse.\u00a0<\/span><\/p>\n Det \u00e4r fortfarande tidigt, men trots fenomenala framsteg har AI:s kapprustning p\u00e5 ber\u00e4kningsomr\u00e5det avsl\u00f6jat luckor i v\u00e5r str\u00e4van efter genuint intelligenta maskiner.\u00a0<\/span><\/p>\n Oavsett hur kraftfulla v\u00e5ra algoritmer blir saknar de elegans, anpassningsf\u00f6rm\u00e5ga och energieffektivitet - det som k\u00e4nnetecknar biologiska system. <\/span><\/p>\n Forskarna vet detta - och det g\u00f6r dem frustrerade.\u00a0<\/span><\/p>\n Professor Tony Prescott och Dr. Stuart Wilson fr\u00e5n University of Sheffield nyligen <\/span>framh\u00e4vd<\/span><\/a> att de flesta AI-modeller, som ChatGPT, \u00e4r \"disembodied\", vilket inneb\u00e4r att de saknar en direkt koppling till den fysiska milj\u00f6n.\u00a0<\/span><\/p>\n Den m\u00e4nskliga hj\u00e4rnan har d\u00e4remot utvecklats i ett fysiskt system - v\u00e5ra kroppar - som g\u00f6r det m\u00f6jligt f\u00f6r oss att direkt k\u00e4nna av och interagera med v\u00e4rlden.<\/span><\/p>\n Forskare vill g\u00e4rna befria AI fr\u00e5n sin monolitiska arkitektur, vilket har lett till ett uppsving f\u00f6r bioinspirerad AI, ibland kallad neuromorfisk AI, en underdisciplin som f\u00f6rs\u00f6ker efterlikna de komplexa processer som finns i naturen f\u00f6r att skapa smartare och effektivare system.\u00a0<\/span><\/p>\n Dessa anstr\u00e4ngningar bygger p\u00e5 olika biologiska ramverk, fr\u00e5n de strukturer som utg\u00f6r v\u00e5ra hj\u00e4rnor till sv\u00e4rmintelligens som observerats hos myror eller f\u00e5glar.<\/span><\/p>\n I str\u00e4van efter autonomi och effektivitet tvingar bioinspirerad AI oss att unders\u00f6ka gamla ber\u00e4kningsproblem, som att g\u00e5 fr\u00e5n resurskr\u00e4vande arkitekturer uppbyggda av tusentals krafthungriga GPU:er till l\u00e4ttare, mer intrikata analoga system.\u00a0<\/span><\/p>\n Prescott, som var medf\u00f6rfattare till en nyligen publicerad artikel, \"<\/span>F\u00f6rst\u00e5else av hj\u00e4rnans funktionella arkitektur med hj\u00e4lp av robotteknik<\/span><\/a>\"Det \u00e4r mycket mer sannolikt att AI-system kommer att utveckla m\u00e4nniskoliknande kognition om de byggs med arkitekturer som l\u00e4r sig och f\u00f6rb\u00e4ttras p\u00e5 liknande s\u00e4tt som den m\u00e4nskliga hj\u00e4rnan, med hj\u00e4lp av dess kopplingar till den verkliga v\u00e4rlden.\"<\/span><\/p>\n Den m\u00e4nskliga hj\u00e4rnan \u00e4r ett typexempel - varje tanke och handling som din hj\u00e4rna frammanar kr\u00e4ver bara lika mycket effekt som en svag gl\u00f6dlampa - cirka 20 watt.\u00a0<\/span><\/p>\n Och det g\u00e5r l\u00e4ngre \u00e4n s\u00e5. \u00c4ven n\u00e4r m\u00e4nniskor inte f\u00e5r n\u00e5gon extern energi fr\u00e5n mat kan de \u00f6verleva i \u00f6ver en m\u00e5nad. Extremofiler har hittat metoder f\u00f6r att trivas i n\u00e5gra av de mest og\u00e4stv\u00e4nliga milj\u00f6erna p\u00e5 planeten. <\/span><\/p>\n J\u00e4mf\u00f6r det med den infrastruktur som kr\u00e4vs f\u00f6r att driva AI-modeller som ChatGPT, som kr\u00e4ver motsvarande kraft som en liten stad och inte kan sj\u00e4lvreplikera, l\u00e4ka eller anpassa sig till sin milj\u00f6.\u00a0<\/span><\/p>\n F\u00f6r att ge AI en r\u00e4ttvis behandling kan man h\u00e4vda att det \u00e4r en felaktig j\u00e4mf\u00f6relse att j\u00e4mf\u00f6ra AI med biologiskt intelligenta system.\u00a0<\/span><\/p>\n N\u00e4r allt kommer omkring \u00e4r datorer och hj\u00e4rnor helt enkelt utm\u00e4rkta p\u00e5 olika uppgifter - det \u00e4r kanske m\u00e4nniskans natur att sm\u00e4lta samman dem i antropomorfa visioner om autonoma AI som interagerar med milj\u00f6n som de biologiska varelser vi har utvecklats bredvid.\u00a0\u00a0<\/span><\/p>\n B\u00e5de AI-forskare och neurovetenskapsm\u00e4n \u00e4r dock villiga att hamna i detta intellektuella d\u00f6dl\u00e4ge, och m\u00e5nga skulle beskriva hj\u00e4rnan \"som en dator\" som kan modelleras och replikeras p\u00e5 konstgjord v\u00e4g.<\/span><\/p>\n Den <\/span>EU:s projekt om den m\u00e4nskliga hj\u00e4rnan (HBP)<\/span><\/a>ett multinationellt experiment inom Big Science v\u00e4rt n\u00e4stan $1 miljard, var en lektion i hur hj\u00e4rnans komplexitet undg\u00e5r artificiell modellering. <\/span><\/p>\n HBP hade som m\u00e5l att modellera den m\u00e4nskliga hj\u00e4rnan i sin helhet, men lyckades bara modellera delar av dess funktionalitet.\u00a0<\/span><\/p>\n V\u00e5r hj\u00e4rna -<\/span> som en enda enhet -<\/span> besegrat den kollektiva hj\u00e4rnan hos tusentals forskare med omfattande finansiering och datorkraft till hands - ring det<\/span> Poetisk r\u00e4ttvisa.<\/p>\n Det r\u00e5kar vara s\u00e5 att medvetandet och tankens v\u00e4sen \u00e4r en lika avl\u00e4gsen gr\u00e4ns som rymdens stora djup - w<\/span>Vi \u00e4r bara inte d\u00e4r \u00e4n.<\/p>\n K\u00e4rnan i den h\u00e4r fr\u00e5gan \u00e4r kopplingen mellan biologi och maskiner. <\/span><\/p>\n \u00c4ven om neurala n\u00e4tverk och andra former av arkitektur f\u00f6r maskininl\u00e4rning (ML) modelleras i analogi med biologiska hj\u00e4rnor, \u00e4r ber\u00e4kningsmetoden fundamentalt annorlunda.\u00a0<\/span><\/p>\n Rodney Brooks, professor emeritus i robotik vid MIT, reflekterade \u00f6ver detta d\u00f6dl\u00e4ge, <\/span>uttalande<\/span><\/a>\"Det finns en oro f\u00f6r att hans version av ber\u00e4kningar, som bygger p\u00e5 funktioner av heltal, \u00e4r begr\u00e4nsad. Biologiska system skiljer sig tydligt \u00e5t. De m\u00e5ste reagera p\u00e5 varierande stimuli under l\u00e5nga tidsperioder; dessa reaktioner f\u00f6r\u00e4ndrar i sin tur deras milj\u00f6 och efterf\u00f6ljande stimuli.\u00a0<\/span>Sociala insekters individuella beteenden p\u00e5verkas till exempel av strukturen p\u00e5 det hem de bygger och deras syskons beteende i det.\"\u00a0<\/span><\/p>\n Brooks sammanfattar denna paradox genom att fr\u00e5ga: \"B\u00f6r dessa maskiner modelleras p\u00e5 hj\u00e4rnan, med tanke p\u00e5 att v\u00e5ra modeller av hj\u00e4rnan utf\u00f6rs p\u00e5 s\u00e5dana maskiner?\"<\/span><\/p>\n Naturen har haft miljontals \u00e5r av \"FoU\" p\u00e5 sig att finslipa sina otroligt motst\u00e5ndskraftiga mekanismer.\u00a0<\/span><\/p>\n Trenden mot bioinspirerad AI kan ses som en kurskorrigering, ett \u00f6dmjukt erk\u00e4nnande av att v\u00e5r str\u00e4van efter avancerad AI kan ha lett oss in p\u00e5 en v\u00e4g som, \u00e4ven om den fortfarande \u00e4r bl\u00e4ndande i sin komplexitet, kan vara oh\u00e5llbar i det l\u00e5nga loppet. <\/span><\/p>\n Eller \u00e5tminstone \u00e4r det inte s\u00e4kert att den nuvarande utvecklingen uppfyller det som m\u00e4nskligheten i slut\u00e4ndan s\u00f6ker fr\u00e5n AI. Om vi vill leva i \"framtiden\" d\u00e4r m\u00e4nniskor och robotar g\u00e5r sida vid sida (\u00e4ven om det naturligtvis inte \u00e4r alla som vill det), m\u00e5ste vi g\u00f6ra b\u00e4ttre \u00e4n att samla fler GPU:er och tr\u00e4na st\u00f6rre modeller.\u00a0<\/span><\/p>\n Med detta sagt finns det hopp f\u00f6r de ivriga futuristerna bland oss, eftersom forskare har arbetat med id\u00e9er om bioinspirerad databehandling i \u00e5rtionden, och vissa spekulativa id\u00e9er b\u00f6rjar hitta sina f\u00f6tter.\u00a0<\/span><\/p>\n I slutet av 50-talet och b\u00f6rjan av 60-talet var Frank Rosenblatts arbete med Perceptron<\/a> erbj\u00f6d den f\u00f6rsta f\u00f6renklade modellen av en biologisk neuron.\u00a0<\/span><\/p>\n Men 1986 \u00e5rs uppsats \"<\/span>Inl\u00e4rning av representationer genom back-propagering av fel<\/span><\/a>\" av David Rumelhart, Geoffrey Hinton och Ronald Williams f\u00f6r\u00e4ndrade spelplanen.\u00a0<\/span><\/p>\n Hinton och hans team introducerade backpropagationsalgoritmen, en robust mekanism f\u00f6r att tr\u00e4na neurala n\u00e4tverk i flera lager, vilket ledde till att omr\u00e5det fick till\u00e4mpningar inom allt fr\u00e5n behandling av naturligt spr\u00e5k (NLP) till datorseende (CV) - tv\u00e5 grundl\u00e4ggande grenar inom modern AI.<\/span><\/p>\n Strax d\u00e4refter tog bioinspirationen en annan v\u00e4g, med l\u00e5n fr\u00e5n darwinistiska principer. John Hollands bok fr\u00e5n 1975 \"<\/span>Anpassning i naturliga och artificiella system<\/span><\/a>\" lade grunden f\u00f6r genetiska algoritmer.\u00a0<\/span><\/p>\n Genom att simulera mekanismer som mutation och naturligt urval skapades ett kraftfullt verktyg f\u00f6r optimeringsproblem som anv\u00e4nds inom branscher som flyg och finans.<\/span><\/p>\n Begrepp som \"sv\u00e4rmintelligens\", som observerats i sv\u00e4rmar av insekter och synkroniserade r\u00f6relser hos f\u00e5glar och fiskar, introducerades f\u00f6r f\u00f6rsta g\u00e5ngen inom databehandling p\u00e5 80- och 90-talet och har gjort betydande framsteg under 2023.\u00a0<\/span><\/p>\n I augusti 2023 kommer f\u00f6re detta Google-anst\u00e4llda <\/span>grundade Sakana<\/span><\/a>, ett nystartat f\u00f6retag som f\u00f6resl\u00e5r att man utvecklar en ensemble av mindre AI-modeller som arbetar tillsammans. <\/span><\/p>\n Sakanas arbetss\u00e4tt \u00e4r inspirerat av biologiska system som fiskstim eller neurala n\u00e4tverk, d\u00e4r mindre enheter samarbetar f\u00f6r att uppn\u00e5 ett mer komplext m\u00e5l.\u00a0<\/span><\/p>\n Med tanke p\u00e5 de monolitiska arkitekturerna i moderna AI-modeller som ChatGPT, lovar denna ensemblingstrategi att minska energif\u00f6rbrukningen och erbjuda \u00f6kad anpassningsf\u00f6rm\u00e5ga och motst\u00e5ndskraft - egenskaper som \u00e4r inneboende i biologiska organismer.<\/span><\/p>\n \u00c4ven f\u00f6rst\u00e4rkningsinl\u00e4rning (RL), en gren av maskininl\u00e4rning som handlar om att l\u00e4ra algoritmer att fatta beslut i jakt p\u00e5 en bel\u00f6ning, var till stor del bioinspirerad.\u00a0<\/span><\/p>\n Richard Sutton och Andrew Bartos banbrytande bok \"<\/span>L\u00e4rande genom f\u00f6rst\u00e4rkning: En introduktion<\/span><\/a>\" h\u00e4mtar m\u00e5nga exempel fr\u00e5n hur djur l\u00e4r sig av sin omgivning och inspirerar till algoritmer som kan anpassa sig utifr\u00e5n bel\u00f6ningar och straff.<\/span><\/p>\n I boken g\u00f6rs hundratals j\u00e4mf\u00f6relser med djurs beteende, och det s\u00e4gs bland annat: \"Av alla former av maskininl\u00e4rning \u00e4r f\u00f6rst\u00e4rkningsinl\u00e4rning det som ligger n\u00e4rmast den typ av inl\u00e4rning som m\u00e4nniskor och andra djur g\u00f6r.\"<\/span><\/p>\n Hos komplexa biologiska varelser som m\u00e4nniskor och andra ryggradsdjur samverkar olika delar av nervsystemet f\u00f6r att hantera en m\u00e4ngd olika funktioner.<\/p>\n Det centrala nervsystemet (CNS) fungerar som ett kontrollnav som bearbetar information och styr reaktioner.<\/p>\n Samtidigt fungerar det perifera nervsystemet (PNS) som ett kommunikationsn\u00e4tverk som \u00f6verf\u00f6r signaler mellan CNS och andra delar av kroppen.<\/p>\n Inom PNS finns det specialiserade autonoma nervsystemet (ANS), som arbetar ofrivilligt f\u00f6r att hantera vitala funktioner som hj\u00e4rtfrekvens och matsm\u00e4ltning. Varje system har sina distinkta roller, men de \u00e4r \u00e4nd\u00e5 sammankopplade och samarbetar s\u00f6ml\u00f6st f\u00f6r att hj\u00e4lpa oss att navigera i milj\u00f6n.<\/p>\n Enklare organismer som insekter har ett smalare och mer ekonomiskt nervsystem, som dock fortfarande \u00e4r oerh\u00f6rt komplext. En bananfluga har n\u00e5gra 3.000 nervceller och en halv miljon synapser<\/a>.\u00a0<\/span><\/p>\n Komponenterna i det biologiska nervsystemet \u00e4r anatomiskt distinkta men fungerar holistiskt, sammanl\u00e4nkade via nervceller som skickar och tar emot sensoriska stimuli och slutligen bildar en konceptuell f\u00f6rst\u00e5else - eller medvetande hos mer komplexa varelser.\u00a0<\/span><\/p>\n F\u00f6r att skapa autonoma robotar med t\u00e4tt sammankopplade hj\u00e4rnor och sensoriska system m\u00e5ste forskarna komma bort fr\u00e5n brute-force computing och skapa l\u00e4ttviktiga system som \u00e4r grundade i den sensoriska verkligheten.\u00a0<\/span><\/p>\n \u00c4ven om AI-modeller som ChatGPT har enorm kunskap \u00e4r de n\u00e5got l\u00e5sta i tiden och utest\u00e4ngda fr\u00e5n den sensoriska verkligheten, med f\u00f6rst\u00e5else som fr\u00e4mst drivs av deras tr\u00e4ningsdata.<\/span><\/p>\n Detta ger f\u00f6rdelar, eller snarare ger AI en upps\u00e4ttning f\u00e4rdigheter som skiljer sig fr\u00e5n biologiska varelser - vilket kanske \u00e4r anledningen till att m\u00e4nskligheten \u00e4r angel\u00e4gen om att utveckla AI f\u00f6r att \u00e5tg\u00e4rda ineffektiviteten hos att vara en biologisk varelse.\u00a0<\/span><\/p>\n Som Amnon Shashua <\/span>h\u00f6jdpunkter<\/span><\/a>\"Datorns helt annorlunda arkitektur gynnar strategier som utnyttjar dess praktiskt taget obegr\u00e4nsade minneskapacitet och brute-force p\u00e5 ett optimalt s\u00e4tt.\"<\/span><\/p>\n Men om vi n\u00e5gonsin ska kunna frig\u00f6ra AI fr\u00e5n datacenter och webbl\u00e4sare m\u00e5ste forskarna l\u00f6sa dessa utmaningar och hitta s\u00e4tt att koppla AI-systemen till en \"kropp\", eller \u00e5tminstone ge dem en robust sensorisk grund.\u00a0<\/span><\/p>\n Detta har omedelbara praktiska anv\u00e4ndningsomr\u00e5den. Ta exemplet med f\u00f6rarl\u00f6sa bilar - deras sensoriska system m\u00e5ste fungera p\u00e5 samma s\u00e4tt som v\u00e5ra f\u00f6r att fungera s\u00e4kert. Annars har de ingen m\u00f6jlighet att \"se\" ett potentiellt hinder och reagera snabbt f\u00f6r att undvika en katastrof, vilket \u00e4r ett betydande hinder f\u00f6r att de ska kunna inf\u00f6ras i stor skala.\u00a0\u00a0<\/span><\/p>\n Dennis Bray, Department of Physiology, Development and Neuroscience, University of Cambridge, argumenterade i samma anda: \"Maskiner kan matcha oss i m\u00e5nga uppgifter, men de fungerar annorlunda \u00e4n n\u00e4tverk av nervceller. Om v\u00e5rt m\u00e5l \u00e4r att bygga maskiner som blir allt mer intelligenta och skickliga, d\u00e5 b\u00f6r vi anv\u00e4nda kretsar av koppar och kisel. Men om v\u00e5rt m\u00e5l \u00e4r att \u00e5terskapa den m\u00e4nskliga hj\u00e4rnan, med dess egendomliga briljans, f\u00f6rm\u00e5ga till multitasking och sj\u00e4lvk\u00e4nsla, m\u00e5ste vi leta efter andra material och andra konstruktioner.\"\u00a0<\/span><\/p>\n Dessa kommentarer, som fortfarande \u00e4r relevanta idag, publicerades i en <\/span>Diskussionsartikel om naturen<\/span><\/a> publicerades 2012 i samband med Turings 100-\u00e5rsjubileum - och AI har utvecklats snabbt sedan dess.\u00a0<\/span><\/p>\n S\u00e5 var \u00e4r vi nu?<\/p>\n Forskare utforskar idag de \"andra material och olika konstruktioner\" som Bray h\u00e4nvisar till, till exempel spiking neural networks (SNN), en typ av neurala n\u00e4tverk som \u00e4r intimt modellerade efter neuronal funktionalitet.<\/span><\/p>\n SNN erbjuder ett specialiserat alternativ till de konventionella neurala n\u00e4tverk som vi ofta m\u00f6ter inom maskininl\u00e4rning.\u00a0<\/span><\/p>\n Ist\u00e4llet f\u00f6r att f\u00f6rlita sig p\u00e5 kontinuerliga aktiveringsfunktioner f\u00f6r att bearbeta indata, efterliknar SNN de biologiska neuronn\u00e4tens komplexitet genom att anv\u00e4nda diskreta spikar f\u00f6r kommunikation mellan neuronerna.\u00a0<\/span><\/p>\n I dessa n\u00e4tverk integrerar varje artificiell neuron inkommande spikar fr\u00e5n de anslutna neuronerna \u00f6ver tid. N\u00e4r den ackumulerade signalen, eller membranpotentialen, \u00f6verskrider ett visst tr\u00f6skelv\u00e4rde avger neuronet sj\u00e4lvt en spik.\u00a0<\/span><\/p>\n Denna spikningsmekanism g\u00f6r att n\u00e4tverket kan f\u00e5nga upp och bearbeta b\u00e5de rumsliga och tidsm\u00e4ssiga m\u00f6nster, ungef\u00e4r som neuronerna i biologiska hj\u00e4rnor.<\/span><\/p>\n Vad \u00e4r det d\u00e5 som g\u00f6r SNN till en central punkt inom bioinspirerad AI?\u00a0<\/span><\/p>\n F\u00f6r det f\u00f6rsta skiljer de sig \u00e5t genom sin f\u00f6rm\u00e5ga att naturligt bearbeta temporala datasekvenser, vilket eliminerar behovet av ytterligare minnesenheter som i \u00e5terkommande neurala n\u00e4tverk (RNN)<\/span><\/p>\n F\u00f6r det andra har SNN utformats f\u00f6r att vara otroligt energieffektiva. Till skillnad fr\u00e5n traditionella neurala n\u00e4tverk d\u00e4r varje neuron \u00e4r st\u00e4ndigt aktiv, g\u00f6r SNN:s glesa och h\u00e4ndelsestyrda natur att neuronerna kan f\u00f6rbli mestadels inaktiva och bara avfyra spikar n\u00e4r det \u00e4r n\u00f6dv\u00e4ndigt. Detta s\u00e4nker deras energif\u00f6rbrukning avsev\u00e4rt.<\/span><\/p>\n Slutligen, genom att efterlikna biologiska system mer, har SNN potential f\u00f6r \u00f6kad robusthet och flexibilitet, s\u00e4rskilt i bullriga eller of\u00f6ruts\u00e4gbara milj\u00f6er.<\/span><\/p>\n \u00c4ven om SNN-konceptet har sina r\u00f6tter i en teoretisk f\u00f6rst\u00e5else av biologiska nervsystem, har framsteg inom h\u00e5rdvarutekniken gjort dessa n\u00e4tverk mer tillg\u00e4ngliga f\u00f6r ber\u00e4kningsuppgifter.\u00a0<\/span><\/p>\n Neuromorfiska chip, som \u00e4r s\u00e4rskilt utformade f\u00f6r att effektivt simulera spikdynamik, har spelat en viktig roll f\u00f6r att g\u00f6ra SNN praktiskt anv\u00e4ndbara.\u00a0<\/span><\/p>\n Under de senaste tv\u00e5 \u00e5ren har det gjorts viktiga framsteg n\u00e4r det g\u00e4ller att bygga ultral\u00e4tta, <\/span>Energieffektiv AI<\/span><\/a> l\u00f6sningar, \u00e4ven kallade neuromorfiska chip.<\/span><\/p>\n Flera andra typer av neuromorfisk teknik finns ocks\u00e5 tillg\u00e4ngliga nu, t.ex. neuromorfiska kameror som \u00e4r modellerade efter biologiska \u00f6gon.\u00a0\u00a0<\/span><\/p>\n![\"Android\"](\"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/08\/shutterstock_2229125163.jpg\")
![\"Hj\u00e4rnatlas\"](\"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/08\/Brainatlas-1024x620.png\")
V\u00e4gen till bioinspirerad AI<\/span><\/h2>\n
![\"Perceptron\"](\"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/08\/NMAH-72-361.jpg\")
![\"Ant](\"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/08\/shutterstock_1185312127.jpg\")
Mot bioinspirerad AI<\/span><\/h2>\n
![\"nervsystemet](\"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/08\/Nerv_1.jpg\")
Spikande neuronn\u00e4t (SNN) och biologisk h\u00e5rdvara<\/span><\/h2>\n
IBM:s bioinspirerade analoga chip och SNN<\/span><\/h3>\n