Ученые создали нейросеть из ДНК, способную к обучению

Нейронные сети давно стали основой искусственного интеллекта, но теперь исследователи из Калтеха пошли ещё дальше: они построили работающую нейросеть не из электронных компонентов, а из молекул ДНК. Эта система проводит вычисления с помощью химических реакций и впервые показала способность к обучению.

Что это значит

Обучение — важнейшее свойство любого интеллекта. Оно встречается на всех уровнях: мозг человека перестраивает нейронные связи, запоминая новый опыт; иммунная система «записывает» информацию о патогенах; даже бактерии умеют учиться простым сигналам в химической среде. Для искусственных систем способность к обучению означает возможность распознавать закономерности и использовать их для принятия решений в новых ситуациях. Именно это и удалось реализовать команде профессора биоинженерии Лулу Цянь и её коллеги, первого автора исследования Кевина Черри. Результаты опубликованы 3 сентября в журнале Nature.

Как работает нейросеть из ДНК

Идея не нова: ещё в 2018 году Цянь и Черри создали прототип, способный распознавать цифры, закодированные в виде набора ДНК-нитей. Каждая «клетка изображения» соответствовала отдельной молекуле, а сеть сравнивала паттерны с «памятью». Теперь учёные пошли дальше и разработали систему, которая может сама формировать память. Информация сохраняется в так называемых «молекулярных проводах», которые можно химически включать и выключать. При встрече с новым примером — например, образом написанной цифры — активируется набор проводов, связывающий признаки с конкретным числом. Со временем система формирует физический след памяти, записанный в концентрации определённых молекул ДНК. Это отдалённо напоминает принцип «нейроны, которые активируются вместе, соединяются», только здесь речь идёт о молекулярной химии.

Что происходит внутри

Каждая такая ДНК-нейросеть работает в крошечной капле раствора, где содержатся миллиарды нитей ДНК более тысячи типов. Все они были сконструированы так, чтобы вступать в реакцию только с «правильными» партнёрами. Когда цепочка реакций завершается, система выдаёт результат. Например, если сеть «распознаёт» цифру «0», появляется соответствующий флуоресцентный сигнал — красный для «0» или синий для «1».

Семь лет работы и новые горизонты

По словам Черри, путь к работающей обучающейся системе занял семь лет: «Исправляя одну проблему, мы сталкивались с другой, словно затыкая течь в плотине. В итоге пришлось начать с нуля и создать целостный дизайн, который позволил преодолеть все барьеры разом». Результат стал фундаментом для новой области — химических систем, обладающих интеллектоподобным поведением.

Зачем это нужно

Перспективы у технологии самые разные: умные лекарства, которые смогут адаптироваться к конкретным патогенам прямо в организме; самообучающиеся материалы, например повязки, реагирующие на состояние кожи и ускоряющие заживление; молекулярные системы, которые смогут работать там, где электронные устройства непрактичны — в биологии, медицине и даже в экстремальных условиях.

Итог

Создание обучающейся ДНК-нейросети стало первым шагом к миру, где вычисления совершаются не только в кремнии, но и в самой материи жизни. Пусть пока система умеет решать лишь простые задачи, её значение выходит далеко за рамки эксперимента: это пример того, как смелые идеи меняют представление о границах науки.

• Смартфон сможет измерять пульс при разблокировке: новая технология открывает путь к массовому мониторингу здоровья
• Искривлённый графен показал скрытый «переключатель» сверхпроводимости
• Роботы-гуманоиды идут в школу: в Китае готовят машины к реальной жизни
• Популярные чат-боты ИИ имеют тревожную уязвимость в шифровании — это означает, что хакеры могли легко перехватывать сообщения
• Грибы как компьютерные чипы: учёные создают «живую память» из шиитаке
• Учёные создали трёхслойное микрофлюидное устройство для сверхэффективного охлаждения электроники
• Обычный кристалл оказался идеальным материалом для технологий на сверхнизких температурах
• Учёные научились превращать снимки атомно-силового микроскопа в точные 3D-модели движений белков