ディッシュマスターポンのヒトニューロン:合成生物学的知能のブレークスルー 彼らは人間やコンピューターの入力なしでポンをマスターします。 ジャーナルに掲載された画期的な研究 ニューロン、研究者らは、実験皿で培養されたヒトとマウスのニューロンが、1970 年代の古典的なビデオ ゲーム「ポン」のプレイを学習できることを実証しました。 オーストラリアのメルボルンにある Cortical Labs の Brett Kagan 博士と彼のチームが主導したこの注目すべき成果は、合成生物学的知能の可能性を示し、ニューロンがどのように情報を処理し、動的な環境に適応するかを理解するための新たな道を開きます。 「DishBrain」と呼ばれるこのシステムは、生きた脳細胞と高度なテクノロジーを融合し、知能、学習、神経科学と人工知能 (AI) における潜在的な応用についての洞察を提供します。 DishBrain システム: 生物学とテクノロジーの融合 DishBrain システムは、胚性マウスの脳またはヒト人工多能性幹細胞に由来する約 800,000 の生きたニューロンを微小電極アレイに統合する先駆的なプラットフォームです。このアレイはシャーレに収められたシリコンチップで、生体ニューロンとデジタル環境の間のインターフェースとして機能します。電極は、電気インパルスを送達してニューロンを刺激し、その活動を記録し、ニューロンがその行動に基づいてリアルタイムのフィードバックを受け取る閉ループ システムを作成します。 実験では、ニューロンは、プレーヤーがパドルを動かしてボールを前後に打つテニスのようなゲームであるポンの簡略版を実行するコンピューターに接続されました。微小電極アレイは感覚領域と運動領域に分けられました。感覚領域の電極はボールの位置を示す信号を送信し、運動領域の電極はニューロンの活動をパドルを上下に動かすコマンドとして解釈しました。このタスクを実現するために、研究者らは、試合に勝つことよりもラリーの長さを最大化することを目標に、パドルが大きく、ボールの動きが遅くなり、対戦相手がいないというゲームを調整しました。 フィードバックを通じて学ぶ: 自由エネルギーの原理 ニューロンはわずか 5 分以内にポンをプレイすることを学び、時間の経過とともにパフォーマンスを向上させました。この急速な学習は、共著者のカール・フリストン教授によって提案された理論である自由エネルギー原理に根ざしたフィードバックメカニズムによって推進されました。この原理によれば、ニューロンは環境における予測不可能性(またはエントロピー)を最小限に抑えようとします。実験では、ニューロンがボールを打つことに成功すると、予測可能な電気刺激を受け取り、接続性が強化され、報酬として機能しました。外すと、予測不可能なより強い刺激を受け、ニューラルネットワークが破壊され、そのような結果を回避するための適応が促されました。 20 分以上で、ニューロンはラリーを維持する能力を高め、ヒトのニューロンはマウスのニューロンよりも優れたパフォーマンスを発揮し、ラリー時間を大幅に延長しました。この違いは、人間のニューロンがげっ歯類のニューロンよりも優れた情報処理能力を持っていることを示唆する以前の研究と一致しています。ニューラルネットワーク内の電気的活動の同期した「スパイク」は、ヒットが成功するたびに強くなり、ニューロンがより一貫してボールを打つという目標を達成するために行動を適応させていることを示しています。 神経科学とAIへの影響 DishBrain 実験は、ニューロンが生物のコンテキストの外で情報をどのように学習し処理するかを理解する上で重要なマイルストーンです。ケイガン博士は、この研究は、ニューロンが知覚に似た目標指向の行動を示す「合成生物学的知能」を示していると示唆しています。彼らはエキサイティングです。

「音楽に対する感情的な反応がいつ、どのように記憶に影響を与えるか」 これは、音楽の瞬間を利用して人間の記憶と学習を不滅にするという私の研究を支えています。 記憶を呼び起こすためにも使用されます。

1957年、オリベッティタイプライター店。

誰もいないモールは、他の多くの場所よりも心に残るものです。 それは、かつて土曜日の午後に100人いた空虚の限界空間です。 歴史は、以前のメインストリートのようなこの場所が、実際にはショッピングのためではなく、コミュニティの必要性を最後に把握したものであることに気づくでしょう。

「カリフォルニア州の十代の若者はオフィスの仕事を捨て、21歳になる前に100ドルを稼いでいます」

木製コモドール64! SIDによる音楽。

この脱出ハッチビデオを見つけました。 面白いね。

身長6フィート4インチのステア。

H2Lカプセルロボットインターレース

あなたがキュレーションした、または生活の中でキュレーションしたこのデータは、最新のコンピューターで実行されているローカルのプライベート AI に微調整できるようになりました。 それはあなたのデータの主題に関する専門家になります。 その方法をお見せします、私はちょうど数千人を見せただけですが、あなたはそれを行うことができます。 学ぶ：