Dokładny opis ich dokonań został opublikowany na łamach Applied Physics Letters i sugeruje, że głównym elementem eksperymentu był robotyczny pojazd sterowany z użyciem neuronów, które umożliwiały mu pokonywanie przeszkód i ukończenie labiryntu. Ważną rolę odegrała w tym przypadku koncepcja PRC (physical reservoir computing).
Czytaj też: Polak stworzył ramię robota z syntetycznymi mięśniami. Tak mogą wyglądać androidy przyszłości
Na czym dokładnie polegały badania naukowców z Uniwersytetu w Tokio? Wyhodowane w laboratorium neurony były poddawane elektrycznej stymulacji, za sprawą której można było sterować robotem. Kiedy tylko pojazd skręcał w złą stronę, praca jego neuronów była zakłócana impulsami elektrycznymi, co powodowało jego “powrót na właściwe tory”. Robot nie mógł widzieć otoczenia ani uzyskiwać innych informacji na jego temat, dlatego był całkowicie zależny od elektrycznych impulsów oraz metody prób i błędów.
Robot unikał przeszkód dzięki impulsom elektrycznym, które manipulowały jego neuronami
Jak podkreślają autorzy, obecna konfiguracja eksperymentalna żywego systemu neuronalnego związana z koncepcją PRC może zapewnić wgląd w to, jak można byłoby wykorzystać zasoby obliczeniowe w mózgu do realizacji wybranych zadań.
Czytaj też: Sieci neuronowe kopiują biologiczny mózg. W ten sposób rozpoznają zapachy
Mnie samego nasze eksperymenty zainspirowały do stworzenia hipotezy zakładającej, że inteligencja w żywym systemie pochodzi od mechanizmu wydobywającego spójne dane wyjściowe ze stanu zdezorganizowanego bądź chaotycznego. Hirokazu Takahashi, jeden z autorów badania
Naukowcy zauważają, że inteligentne umiejętności w zakresie rozwiązywania zadań mogą być dostarczane przy użyciu PRC (physical reservoir computing) do ekstrakcji nieuporządkowanych sygnałów neuronalnych i wysyłania sygnałów homeostatycznych bądź zakłócających. Wykorzystanie tej metody mogłoby przyczynić się do skuteczniejszego poznawania mechanizmów odpowiedzialnych za funkcjonowanie mózgu i może doprowadzić do opracowania nowatorskiego komputera neuromorficznego.