В исследовании, опубликованном в журнале Cell Reports Physical Science, команда под руководством доктора Йошикацу Хаяси продемонстрировала, что гидрогель – тип мягкого, гибкого материала – может научиться играть в простую компьютерную игру 1970-х годов «Понг», сообщает Университет Рединга.
Доктор Хаяси, инженер-биомедик из Школы биологических наук Университета Рединга, сказал: «Наше исследование показывает, что даже очень простые материалы могут демонстрировать сложное, адаптивное поведение, обычно свойственное живым системам или сложным ИИ. Это открывает удивительные возможности для разработки новых типов ʺумныхʺ материалов, которые могут обучаться и адаптироваться к окружающей среде».
Предполагается, что возникающая способность к обучению обусловлена движением заряженных частиц внутри гидрогеля в ответ на электрическую стимуляцию, что создает некую форму «памяти» в самом материале.
«Ионные гидрогели могут создавать такие же механизмы памяти, как и более сложные нейронные сети. Мы показали, что гидрогели не только способны играть в Понг, они обучаются со временем», – говорит первый автор работы и инженер робототехники Винсент Стронг из Университета Рединга.
Ученые были вдохновлены предыдущим исследованием, которое показало, что клетки мозга, отделенные от человека, могут научиться играть в понг, если их стимулировать электричеством таким образом, чтобы они получали обратную связь о своей работе.
«Наше исследование посвящено вопросу о том, могут ли простые искусственные системы вычислять замкнутые циклы, подобные циклам обратной связи, которые позволяют мозгу управлять телом», – говорит д-р Хаяси. «Основной принцип работы нейронов и гидрогелей заключается в том, что миграция ионов и их распределение могут работать как функция памяти, которая может коррелировать с сенсорно-моторными петлями в мире Понга. В нейронах ионы движутся внутри клеток. В геле они бегут наружу».
Поскольку большинство существующих алгоритмов искусственного интеллекта создаются на основе нейронных сетей, исследователи говорят, что гидрогели представляют собой другой вид «интеллекта», который можно использовать для разработки новых, более простых алгоритмов. В будущем исследователи планируют продолжить изучение «памяти» гидрогеля, поняв механизмы, лежащие в ее основе, и протестировав его способность выполнять другие задачи.
В недавней работе, опубликованной в Proceedings of the National Academy of Sciences, команда доктора Хаяси продемонстрировала, как можно научить другой гидрогелевый материал биться в ритм с внешним кардиостимулятором. Это первый случай, когда это было достигнуто с помощью материала, отличного от живых клеток.
Ученые продемонстрировали, как гидрогелевый материал колеблется, подобно тому, как клетки сердечной мышцы сокращаются в унисон. Они дали теоретическую интерпретацию этого динамического поведения.
Исследователи обнаружили, что, воздействуя на гель циклическими сжатиями, они могут синхронизировать его химические колебания с механическими ритмами. Гель сохранил память об этом ритме даже после того, как механический кардиостимулятор был остановлен.
«Это значительный шаг на пути к созданию модели сердечной мышцы, которая однажды может быть использована для изучения взаимодействия механических и химических сигналов в человеческом сердце. Это открывает захватывающие возможности для замены некоторых экспериментов на животных в кардиологических исследованиях гелевыми моделями с химической подпиткой», – говорит д-р Хаяси.
Полученные результаты могут дать новые возможности для изучения сердечной аритмии: нерегулярное сердцебиение можно лечить с помощью лекарств или электрокардиостимулятора, но сложность биологических клеток сердца затрудняет изучение механических систем, лежащих в их основе, независимо от химических и электрических систем сердца.
Эти исследования, объединяющие концепции из нейронауки, физики, материаловедения и кардиологии, позволяют предположить, что фундаментальные принципы, лежащие в основе обучения и адаптации в живых системах, могут быть более универсальными, чем считалось ранее.
Команда исследователей считает, что их выводы могут иметь далеко идущие последствия для самых разных областей – от робототехники и протезирования до экологического зондирования и адаптивных материалов. Будущая работа будет направлена на разработку более сложных моделей поведения и изучение их потенциального применения в реальном мире.
[Фото: ru.123rf.com]