Los hidrogeles pueden aprender a jugar Pong
Apestar Siempre tendrá un lugar especial en la historia de los videojuegos como uno de los primeros videojuegos arcade. Introducido en 1972, fue un juego de tenis de mesa con gráficos y jugabilidad muy simples. De hecho, es bastante simple que incluso los materiales no vivos conocidos como hidrogeles puede «aprender» a jugar «recordando» patrones previos de estimulación eléctrica, según un estudio nuevo articulo publicado en la revista Cell Reports Physical Science.
«Nuestra investigación muestra que incluso los materiales muy simples pueden exhibir comportamientos adaptativos complejos típicamente asociados con sistemas vivos o inteligencia artificial sofisticada». dijo el coautor Yoshikatsu HayashiIngeniero biomédico de la Universidad de Reading en el Reino Unido. «Esto abre interesantes posibilidades para desarrollar nuevos tipos de materiales 'inteligentes' que puedan aprender y adaptarse a su entorno».
Los hidrogeles son materiales bifásicos suaves y flexibles que se hinchan pero no se disuelven en agua. Por lo tanto, un hidrogel puede contener una gran cantidad de agua pero aun así mantener su forma, lo que lo hace útil para una amplia gama de aplicaciones. Quizás el uso más conocido sean las lentes de contacto blandas, pero también se utilizan varios tipos de hidrogeles en implantes mamarios, pañales desechables, electrodos médicos de EEG y ECG, biosensores de glucosa, encapsulación de puntos cuánticos, purificación de agua impulsada por energía solar, cultivos celulares, tejidos. andamios de ingeniería, explosivos en gel de agua, actuadores para robótica blanda, materiales supersónicos de absorción de impactos y sistemas de administración de fármacos de liberación sostenida, entre otros usos.
En abril, Hayashi fue coautor un papel demostrando que los hidrogeles pueden «aprender» a latir al ritmo de un marcapasos externo, algo que antes sólo se lograba con células vivas. Exploraron la capacidad intrínseca de los hidrogeles para convertir la energía química en oscilaciones mecánicas, utilizando el marcapasos para aplicar compresiones cíclicas. Descubrieron que cuando la oscilación de una muestra de gel coincidía con la resonancia armónica del latido del marcapasos, el sistema mantenía una «memoria» de ese período de oscilación resonante y podía retener esa memoria incluso cuando el marcapasos estaba apagado. Estos hidrogeles podrían algún día ser un reemplazo útil para la investigación cardíaca con animales, proporcionando nuevas formas de investigar afecciones como la arritmia cardíaca.
Para este último trabajo, Hayashi y sus coautores se inspiraron en parte en un estudio de 2022 en el que las células cerebrales en un plato – apodado Cerebro de plato—fueron estimulados eléctricamente de una manera que creó bucles de retroalimentación útiles, permitiéndoles «aprender» a jugar Apestar (aunque mal). Como informó en ese momento el editor científico de Ars, John Timmer:
Apestar resultó ser una excelente opción para experimentos. El entorno implica sólo unas pocas variables: la ubicación de la raqueta y la ubicación de la pelota. La raqueta solo puede moverse a lo largo de una sola línea, por lo que la parte motora de las cosas solo necesita dos entradas: moverse hacia arriba o hacia abajo. Y hay una recompensa clara por hacer las cosas bien: se evita un estado final en el que la pelota pasa por las raquetas y el juego se detiene. Es una excelente configuración para probar una red neuronal simple.
PublicidadMeter en Apestar En términos generales, la parte sensorial de la red tomará las entradas posicionales, determinará una acción (mover la paleta hacia arriba o hacia abajo) y luego generará una expectativa sobre cuál será el siguiente estado. Si estás interpretando el mundo correctamente, este estado será similar a tu predicción y, por lo tanto, la información sensorial será su propia recompensa. Si se equivoca, habrá una gran discrepancia y la red revisará sus conexiones y volverá a intentarlo.
Hubo algunas advertencias: ni siquiera los mejores sistemas funcionaron Apestar Está bien, pero el enfoque funcionó en su mayor parte. Los sistemas que comprenden neuronas de ratón o humanas tenían una longitud promedio de Apestar los peloteos aumentan con el tiempo, lo que indica que pueden estar aprendiendo las reglas del juego. Los sistemas basados en células no neuronales o sin sistema de recompensa no han experimentado este tipo de mejoras. Los hallazgos proporcionaron cierta evidencia de que las redes neuronales formadas a partir de neuronas reales desarrollan espontáneamente la capacidad de aprender. Y esto puede explicar algunas de las capacidades de aprendizaje de los cerebros reales, donde grupos más pequeños de neuronas se organizan en unidades funcionales.
