نقشه برداری از شبکه‌های عصبی برای توسعه هوش مصنوعی
به گزارش پردیس هوش مصنوعی و نوآوری دیجیتال ایران، محققان دانشگاه هاروارد موفق به توسعه یک فناوری نوین برای نقشه‌برداری دقیق از شبکه‌های عصبی شده‌اند. این پیشرفت علمی، امکان شناسایی و تجزیه و تحلیل نحوه ارتباط نورون‌ها را با دقتی بی‌سابقه فراهم می‌کند.
تحولی در تصویربرداری عصبی
این تحقیق که در مجله Nature Biomedical Engineering منتشر شده است، شامل توسعه یک تراشه سیلیکونی پیشرفته است که توانایی ثبت و تحلیل بیش از ۷۰,۰۰۰ اتصال سیناپسی را دارد. پیش از این، روش‌های موجود تنها قادر به ثبت تعداد محدودی از این اتصالات بودند.
دون‌هی، استاد فیزیک کاربردی دانشگاه هاروارد و سرپرست این پژوهش، اظهار داشت: این اولین بار است که چنین سطحی از دقت در تصویربرداری از شبکه‌های عصبی به دست آمده است. این فناوری، راه را برای تحقیقات گسترده‌تر در زمینه علوم اعصاب و هوش مصنوعی هموار خواهد کرد.
برتری نسبت به روش‌های سنتی
پیش‌تر، پژوهشگران برای نقشه‌برداری از نورون‌ها از میکروسکوپ‌های الکترونی استفاده می‌کردند که اطلاعات ساختاری ارائه می‌داد، اما قادر به ثبت فعالیت‌های هم‌زمان نورون‌ها نبود. همچنین روش‌های دیگر مانند پچ کلمپ فقط امکان بررسی یک نورون را داشتند. اما تراشه جدید هاروارد نه‌تنها قدرت و الگوی ارتباطی نورون‌ها را بررسی می‌کند، بلکه اطلاعات دینامیکی از نحوه پردازش اطلاعات در مغز را نیز ثبت می‌نماید.
کاربرد در علوم اعصاب و هوش مصنوعی
جون وانگ، پژوهشگر ارشد این پروژه، درباره اهمیت این فناوری گفت: این ابزار به ما کمک می‌کند درک بهتری از چگونگی تشکیل و عملکرد شبکه‌های عصبی داشته باشیم. این اطلاعات برای توسعه الگوریتم‌های هوش مصنوعی و مدل‌های نورومورفیک بسیار ارزشمند است.
نادیر طلحا، یکی از محققان این پروژه، افزود: نورون‌ها روی این تراشه رشد کرده و سازمان‌دهی می‌شوند. این فرآیند به ما اجازه می‌دهد نحوه پیکربندی طبیعی مغز را مطالعه کنیم.
گامی مهم به سوی آینده
در زمانی که علاقه به تراشه‌های سیلیکونی و ریزپردازنده‌هایی که مانند مغز عمل می‌کنند افزایش یافته است، این پژوهش یک پیشرفت مهم در مهندسی نورومورفیک و هوش مصنوعی محسوب می‌شود.
وانگ ابراز امیدواری کرد که این تحقیق به دانشمندان در توسعه «نسل بعدی سیستم‌های هوش مصنوعی» کمک کند.
وی افزود: ما ابزاری ارائه داده‌ایم، که می‌تواند به دیگر دانشمندان علوم اعصاب یا پژوهشگران، بستری جدید برای مطالعه پرسش‌هایشان بدهد.
این فناوری می‌تواند در حوزه‌های پزشکی، درمان بیماری‌های عصبی، و توسعه مدل‌های پیشرفته هوش مصنوعی تأثیر بسزایی داشته باشد. همچنین، دانشمندان امیدوارند که با بهبود این فناوری، امکان مطالعه ساختارهای عصبی پیچیده‌تر و حتی پیاده‌سازی آن در رایانه‌های زیستی فراهم شود.