کد مطلب: ۱۱۰۷۴۴۳
|
|
۱۶ مرداد ۱۴۰۵ - ۱۶:۵۹

یک کپک لجن بی‌مغز، مسئله‌ای ریاضی را که برای هوش مصنوعی دشوار تلقی می‌شد، حل کرد

یک کپک لجن بی‌مغز، مسئله‌ای ریاضی را که برای هوش مصنوعی دشوار تلقی می‌شد، حل کرد
دانشگاه ایالتی نووگورود به یک کپک لجن بی‌مغز، حل یک مسئله پیچیده هوش مصنوعی را آموزش داده است.

به گزارش مجله خبری نگار، دانشمندان دانشگاه ایالتی نووگورود به کپک لجن Physarum polycephalum آموزش داده‌اند تا مسئله‌ی اشتاینر را با چهار امتیاز حل کند. مقامات دانشگاه ایالتی نووگورود به Gazeta.Ru گفتند که چنین مسائلی شامل متغیر‌های بسیار زیادی هستند که حتی هوش مصنوعی نیز برای یافتن یک راه‌حل بهینه با مشکل مواجه می‌شود.

کپک‌های لجن (میکسومیست‌ها) ارگانیسم‌های منحصر به فردی هستند که نه قارچ هستند، نه گیاه و نه حیوان. آنها ویژگی‌های موجودات تک سلولی و چند سلولی را با هم ترکیب می‌کنند و توانایی‌های قابل توجهی دارند. در مرحله خاصی از چرخه زندگی خود، کپک‌های لجن به صورت توده‌ای لزج و بدون پوشش سخت ظاهر می‌شوند. اساساً، آنها یک سلول واحد و چند هسته‌ای هستند. کپک‌های لجن می‌توانند با سرعتی تا یک سانتی‌متر در ساعت حرکت کنند و مساحتی تا یک متر مربع را بپوشانند.

آنا پترووا، سرپرست این مطالعه و دانشیار گروه زیست‌شناسی و بیوانفورماتیک در دانشگاه ایالتی نووگورود، توضیح داد: «اگرچه کپک‌های لجن فاقد سیستم عصبی یا مغز هستند، اما دارای هوش هستند و قادر به حل برخی مشکلات هستند. به عنوان مثال، آنها می‌توانند مسیر‌های بهینه را ترسیم کنند - این به این دلیل است که کپک‌های لجن تلاش می‌کنند تا حد امکان منابع را حفظ کنند. در نتیجه، با کشف چندین نقطه که منبع مورد نیاز آنها - به عنوان مثال، غذا - در دسترس است، آنها به دنبال اتصال این نقاط در امتداد بهینه‌ترین و کوتاه‌ترین مسیر هستند. بنابراین، کپک‌های لجن نه تنها برای زیست‌شناسان، بلکه برای مهندسان نیز مورد توجه هستند. آنها برای ایجاد شبکه‌های خودسازمانده و خوددرمان، رایانه‌های «زنده» و مواد هوشمند مورد مطالعه قرار می‌گیرند.»

هدف، استفاده از کپک لجن برای حل مسئله‌ی اشتاینر برای چهار نقطه بود. این یک مسئله‌ی کلاسیک در مورد یافتن کوتاه‌ترین شبکه‌ای است که چهار نقطه‌ی داده شده را به هم متصل می‌کند. با این حال، ایجاد یک چهارضلعی تشکیل شده توسط این نقاط یا توسط قطرها، راه‌حل‌های نادرستی هستند. مسئله‌ی اشتاینر NP-hard است، به این معنی که یافتن یک راه‌حل بهینه مستلزم امتحان کردن تعداد زیادی از راه‌حل‌های ممکن است.

برای تحریک کپک لجن برای حرکت در جهت دلخواه، از جریان الکتریکی و غذا به عنوان محرک استفاده کردیم. پیش از این، دانشمندان کشف کرده بودند که این موجود زنده به شوک‌های الکتریکی ضعیف، تقریباً ۰.۵ ولت، جذب می‌شود. با این حال، افزایش شوک به یک ولت آن را راضی نمی‌کند.

این دانشمند توضیح داد: «برای آزمایش، یک میدان مینیاتوری ویژه با چهار نقطه ساخته شد. هر نقطه شامل یک الکترود مسی با سیم‌های متصل به آن و همچنین غذا - بلغور جو دوسر - بود. سپس یک کپک لجن در میدان قرار داده شد. در ابتدا، در معرض جریان قرار نگرفت و به آن اجازه داده شد تا منطقه را بدون مزاحمت کاوش کند. سپس، آموزش شروع شد. یک جریان ۰.۵ ولتی به مدت ۲ تا ۵ ثانیه به الکترود‌ها اعمال شد و پس از آن یک استراحت ۳۰ ثانیه‌ای انجام شد و این کار چندین بار تکرار شد. پس از شروع آموزش، کپک لجن شروع به تشکیل یک شبکه کرد و نقاط شروع را به هم متصل کرد. در نهایت، به یک پیکربندی مسیر بهینه خاص رسید.»

آزمایش مشابهی روی یک گروه کنترل (بدون جریان الکتریکی، اما با غذا) و گروهی که جریان بالاتری دریافت می‌کردند، انجام شد. رشد هدفمند به سمت نقاط هدف فقط در گروه جریان کم مشاهده شد. در نهایت، کپک لجن فیزاروم نقاط را همانطور که پیش‌بینی کرده بودیم - با استفاده از یک راه حل ساده برای مسئله اشتاینر - به هم متصل کرد.

این یافته‌ها ما را به امکان استفاده از هوش ارگانیک برای حل مسائل مهندسی و ریاضی نزدیک‌تر می‌کند. این مسائل شامل مسائل NP نیز می‌شوند که شامل متغیر‌های بسیار زیادی هستند که حتی هوش مصنوعی نیز برای یافتن راه‌حل بهینه آنها با مشکل مواجه می‌شود.

برچسب ها: هوش مصنوعی
ارسال نظرات
captcha
قوانین ارسال نظر