Geïnspireerd door recente ontwikkelingen op het gebied van organoïdesystemen in de hersenen, hebben onderzoekers een eenvoudige reeks hydrogelelektroden ontworpen die niet alleen kunnen worden “bespeeld” Pongmaar hij verbetert zijn spel in de loop van de tijd.
Atari debuteerde in 1972. Pong is een van de meest rudimentaire maar invloedrijke videogames aller tijden. Hoewel het slechts peddels heeft voor twee spelers en een korrelige ‘bal’ die tussen hen in afketst, dient het nog steeds als een nuttige maatstaf voor het trainen van niet alleen kunstmatige intelligentie en neurale netwerken, maar ook organoïde intelligentie, of OI. Uitgegroeid van stamcellen tot rudimentaire ‘hersenen’ zouden deze OI-systemen op een dag veelbelovende alternatieven kunnen bieden voor meer traditionele hardware. Maar zowel AI als OI zijn uiterst complexe, dure industrieën – wat als veel eenvoudigere arrays vergelijkbare resultaten zouden kunnen bereiken? Een team van de Britse Universiteit van Reading deed precies dat en publiceerde hun verrassende bevindingen op 22 augustus in het tijdschrift: Celrapporten Natuurwetenschappen. Als Nieuwe wetenschapper Zoals donderdag in een video werd opgemerkt, zouden de resultaten op een dag nieuwe, eenvoudigere vormen van algoritmisch ontwerp kunnen beïnvloeden.
Onder leiding van professor biomedische technologie Yoshikatsu Hayashi bevestigden de onderzoekers een stukje levenloze, elektroactieve materialen, bekend als Belousov-Zhabotinsky (BZ) hydrogels, aan een computersimulatie Pong met behulp van een aangepaste array met meerdere elektroden. Bij blootstelling aan kleine stroompieken ioniseren BZ-hydrogels. Dit zorgt er op zijn beurt voor dat hun watermoleculen oscilleren en opzwellen, waardoor de algehele vorm van het monster verandert. Maar hydrogels verminderen de zwelling veel langzamer dan aanvankelijk het geval is, wat betekent dat elke beweging de volgende beïnvloedt.
“[It] is zoiets als geheugen”, legde robotica-ingenieur en eerste auteur van het onderzoek, Vincent Strong, uit in een begeleidende verklaring. “Voortdurende ionenherschikkingen binnen de hydrogel bouwen voort op eerdere herschikkingen binnen de hydrogel, die teruggaan tot de tijd dat deze voor het eerst werd gemaakt en een homogene ionenverdeling hadden.”
‘Het basisprincipe van zowel neuronen als hydrogels is dat de migratie en distributie van ionen kan functioneren als een geheugenfunctie die kan correleren met sensomotorische lussen in ons lichaam. Pong aan de wereld,” voegde Hayashi eraan toe. “In neuronen werken ionen in de cellen; in de gel rennen ze naar buiten.”
[Related: Lab-grown human brain tissue used to control robot.]
Toen hun systeem eenmaal geïnstalleerd was, begonnen Hayashi et al. aan de ronde Pong door de bal in een willekeurige richting te sturen. Elektrische stimulatie ‘informeerde’ vervolgens de hydrogel over de locatie van de bal, terwijl de ionische beweging in het slimme polymeer werd gemeten om de virtuele peddelpositie te ‘bepalen’. Naarmate elke ronde vorderde, registreerde het team de nauwkeurigheid van de gel om te zien of deze in de loop van de tijd verbeterde – wat in feite ook gebeurde.
“Ionische hydrogels kunnen dezelfde soort geheugenmechanica bereiken als complexere neurale netwerken”, aldus Strong. “We hebben laten zien dat hydrogels niet zomaar kunnen spelen Pongze kunnen er in de loop van de tijd zelfs beter in worden.
Hydrogel werd echter nooit een Pong pro. Volgens het team heeft hun geïoniseerde klodder zijn computertegenstander nooit echt verslagen en de nauwkeurigheid ervan met maximaal ongeveer 10 procent verbeterd. Het polymeer bereikte zijn hoogtepunt ook na 20 minuten spelen, vergeleken met eerdere hersenorganoïdetests die hetzelfde in slechts 10 minuten deden. Door dergelijke vooruitgang kon de hydrogel echter in langere rally’s tegen het spel concurreren.
Gezien het feit dat de meeste algoritmen voor kunstmatige intelligentie momenteel afhankelijk zijn van neurale netwerken om te kunnen functioneren, theoretiseert Hayashi’s team nu dat hydrogels een andere vorm van ‘intelligentie’ kunnen bieden die kan worden benut om eenvoudigere algoritmische systemen te creëren. In de toekomst hopen de onderzoekers de fysieke eigenschappen achter de rudimentaire geheugenformaties verder te onderzoeken, en deze ook in andere toepassingen te testen.