Türk bilim insanları, Teknoscope olarak gururla sunuyoruz: Japonya'da yapılan çığır açıcı bir araştırmada, laboratuvar ortamında yetiştirilen rat beyin nöronları, yapay zeka hesaplamalarını gerçek zamanlı olarak gerçekleştirecek şekilde eğitildi. Bu çalışma, gelecekteki beyin-makine arayüzleri için yepyeni kapılar aralayabilir.
Araştırmacılar, kültürlenmiş rat kortikal nöronlarını, gelişmiş mikroelektrot dizilimleri ve mikroakışkan cihazlarla entegre ederek kapalı döngü bir rezervuar hesaplama sistemi oluşturdular. Bu sistem, herhangi bir dış müdahale olmadan karmaşık zamansal sinyaller üretebilmeyi başardı. Deneylerde, nöronlardan gelen sinyaller kaydedilip sürekli sinyallere dönüştürüldü ve bir okuma katmanı aracılığıyla elde edilen çıktı, tekrar nöronlara elektriksel uyarı olarak gönderildi. Bu geri bildirim döngüsü, yaklaşık her 333 milisaniyede bir tekrarlandı.
Bu başarının ardındaki kilit teknoloji, nöronların birbirleriyle nasıl bağlantı kuracağını belirleyen özel olarak tasarlanmış mikroakışkan filmler oldu. Nöronların birbirine çok yakın ve senkronize ağlar oluşturması durumunda istenen öğrenme gerçekleşmedi. Bunun yerine, araştırmacılar nöron gövdelerini küçük kuyucuklara yerleştirerek ve bu kuyucukları mikro kanallarla bağlayarak kontrollü bağlantılar oluşturdular. Bu yöntem, nöron ağlarındaki korelasyonları önemli ölçüde azaltarak ağın dinamik yeteneklerini artırdı.
Yapılan testler, bu canlı nöron ağlarının sadece biyolojik olarak anlamlı sistemler olmadığını, aynı zamanda benzersiz hesaplama kaynakları olabileceğini gösterdi. Sistem, farklı periyotlardaki sinüs dalgalarını, üçgen ve kare dalgaları başarıyla üretebildi. Hatta kaotik bir çekici olan Lorenz çekicisini de yaklaşık olarak taklit edebildi.
Ancak, eğitim sona erdikten sonra nöron ağlarının performansında düşüş gözlemlendi. Ayrıca, geri bildirim döngüsündeki gecikme, hızlı değişen dalga formlarını takip etme yeteneğini sınırladı. Araştırmacılar, bu gecikmeyi azaltacak özel donanımlar veya farklı filtreleme teknikleri sayesinde öğrenilebilen hedef sinyal çeşitliliğini artırmanın mümkün olduğunu belirtiyor. Bu gelişmelerin, beyin-makine arayüzleri ve nöroprotez cihazlar gibi alanlarda gelecekte önemli uygulamalara yol açabileceği öngörülüyor.
