Nếu bạn nghĩ rằng sự phát triển gần đây của trí tuệ nhân tạo là một trạng thái kỳ lạ của máy tính - với những viết tắt lớn như Mô hình ngôn ngữ lớn (LLM), Mạng đối nghịch sinh (GAN) và nhiều hơn nữa - hãy suy nghĩ lại. Điều đó hầu như không kỳ lạ hơn những tế bào não người có thể tương tác với công nghệ điện tử - và các tác tử trí tuệ nhân tạo - khi nổi trôi trong một cái đĩa Petri. Tuy nhiên, đó chính là những gì một đội ngũ người Úc, liên quan đến Đại học Monash và Cortical Labs, đã đạt được vào năm ngoái khi giới thiệu khái niệm DishBrain của họ.
Rõ ràng, khái niệm và hứa hẹn của công việc của đội nhóm đã gây ấn tượng với quân đội và sự hấp dẫn của nó như một địa điểm nghiên cứu có giá trị tiền tệ kèm theo - nhờ vào khoản đầu tư quân sự trị giá 407.000 đô la Mỹ vào nghiên cứu của Úc do Văn phòng Tình báo Quốc gia của Úc (ONI) tài trợ.
Trong khi giới thiệu DishBrain vào năm ngoái, các nhà nghiên cứu đã mô tả một đơn vị xử lý bán sinh học, được xây dựng từ sự kết hợp của các tế bào não người và chuột sinh ra các điện cực điều khiển. Những điện cực này có tác dụng như một giao diện Não-Máy tính, cho phép các nhà khoa học gửi tín hiệu điều khiển và đọc hoạt động "protobrain" sinh học. Thú vị (từ ngữ của bạn có thể khác nhau), DishBrain đã thể hiện một cái gì đó gần giống như nhận thức (nhưng thực chất là các kỹ năng sống cơ bản hoặc sự yếu tố sinh học của việc giảm thiểu phản hồi tiêu cực) chỉ sau 5 phút được bật: đó là thời gian mà nó cần để "học" cách chơi Pong.
Cách họ đã "huấn luyện" bộ não không gì khác là thông minh: sự di chuyển của quả bóng được truyền tới các tế bào thông qua các điện cực, với sự kích thích điện của các tế bào của DishBrain ảnh hưởng đến các khu vực khác nhau phù hợp với vị trí của quả bóng. Sau đó, DishBrain được trao quyền điều khiển các màng chắn và khả năng di chuyển chúng sang trái và sang phải.
Vì các hệ thống sinh học có xu hướng tiêu thụ năng lượng thấp nhất có thể (hoặc ít nhất là tránh trải nghiệm tốn kém hoặc tiêu cực giảm từ nguồn dự trữ năng lượng của nó - và do đó là khả năng tồn tại của nó), DishBrain được thiết lập với một hệ thống phần thưởng đơn giản tận dụng điều này: nếu màng chắn chặn được quả bóng, các điện cực trong Não-Dish sẽ tạo ra một kích thích điện "tích cực", có độ dài một giây dự đoán được. Nhưng mỗi khi màng chắn lỡ bóng, DishBrain nhận được một xung điện không đoán trước kéo dài lên đến bốn giây. Nhận thức, trong trường hợp này, được đạt được thông qua sự sống còn: việc tiêu thụ năng lượng để đối phó với một xung điện không đoán trước kéo dài bốn giây tốn nhiều hơn so với một xung điện dự đoán một giây. Vì vậy, DishBrain tăng cường khả năng sống còn của mình bằng cách tối đa hóa số lần màng chắn chạm vào quả bóng.
Một hình ảnh vi mô Quét điện tử của các tế bào DishBrain phát triển trên một mảng điện cực (Ảnh: Cortical Labs)
Một hình ảnh kính hiển vi về các tế bào trong DishBrain, với tế bào được nhấn mạnh bằng các đèn làm sáng (Ảnh: Cortical Labs)Nếu điều này gợi lên hình ảnh một cây roi điện được đặt vào ai đó để thuyết phục một hành vi cụ thể - thì bạn không hoàn toàn sai.
Tiến sĩ cộng tác Adeel Razi, thuộc Viện Turner về Não và Sức khỏe Tâm thần, cho biết công việc của họ "kết hợp các lĩnh vực trí tuệ nhân tạo và sinh học tổng hợp để tạo ra các nền tảng tính toán sinh học có thể lập trình được". Hứa hẹn đó - có các bộ xử lý song song cuối cùng (não người, hoặc chất lỏng tụ) như các thiết bị tính toán - là điều gây chú ý. Ngay cả việc kỳ vọng rằng các bộ xử lý sinh học như thế này có thể vượt qua giới hạn của chip silic truyền thống, theo Razi.
Thú vị là dự án DishBrain có một số mục tiêu có vẻ phù hợp với cuộc đua AI hiện tại của chúng ta: giống như các công ty AI như Microsoft và OpenAI đang theo đuổi giấc mơ huấn luyện đệ quy (nghĩa là một hệ thống AI có thể tự huấn luyện), khả năng tự học của DishBrain chính là niềm tự hào mà các công ty dựa trên công nghệ silicon và lượng tử, đặc biệt là Microsoft, đang theo đuổi. Có thể tự học dựa trên bản năng sinh tồn cơ học và vật lý hay ý thức thuần túy là một câu hỏi có liên quan, nhưng kết quả cuối cùng - hệ thống có thể tự học - là như nhau.
Khả năng này có thể tác động sâu sắc đến AI, vì một hệ thống xử lý dựa trên "wetware" thay vì phương pháp hiện tại dựa trên silic đã vượt qua một trong những hạn chế lớn nhất của sự tiến hóa AI: khả năng ghi nhớ quá trình huấn luyện, hoặc nói cách khác, "quên đầy quét" mà thường ngăn chặn AI xây dựng trên cơ sở học tập của nó.
Theo Razi, nhóm "sẽ sử dụng [khoản tài trợ] này để phát triển các máy AI tốt hơn, sao chép khả năng học tập của các mạng thần kinh sinh học này." Mặc dù các nhà nghiên cứu hàng đầu đề phòng về những rủi ro tồn tại do AI gây ra, nhưng có nghiên cứu đang diễn ra mà nghe có vẻ khá giống với bối cảnh khoa học viễn tưởng hơn là tin tức trên trang Tom's Hardware. Bộ phim năm 2001 "Down" và thang máy tàn sát có ý thức được cung cấp năng lượng bởi wetware là điều hiện lên trong tôi.
Nghĩ đến những gì có thể xảy ra khi công nghệ được tả trong bài viết này xuất hiện trong những thứ mang tính quân sự hơn, như một hệ thống máy bay không người lái quyết định giết con người điều khiển nó, có gây ra một chút căng thẳng.
Rất may là chỉ một phiên bản tương lai của chúng ta sẽ phải đối mặt với điều đó - nếu và khi khoảnh khắc đó đến.
Tham gia cùng với các chuyên gia đọc Tom's Hardware để biết thông tin thú vị về công nghệ PC dành cho người đam mê - và đã làm vậy trong hơn 25 năm qua. Chúng tôi sẽ gửi tin tức nhanh chóng và đánh giá chi tiết về CPUs, GPUs, AI, phần cứng chế tạo và nhiều hơn nữa trực tiếp vào hộp thư đến của bạn.
