ロボットが密かに子供を産んだ?科学者たちも私も衝撃を受けました。

ロボットが密かに子供を産んだ?科学者たちも私も衝撃を受けました。

[[438325]]

最近このニュースを見たことがあるだろうか。

「ロボットが赤ちゃんを産みました。」

このニュースを見たあなたも、今この瞬間に顔に黒い疑問符を浮かべているはずです。

[[438326]]

それは、数本のネジ、モーター、ロボットアームで構成された単なる鉄の塊です。

昨日はまだダンスとパルクールを習っていたのに、どうして今日は子供を産めるのでしょうか?

[[438327]]

そう考えるのは間違いです。 。 。

今回誕生したロボットは鉄の塊の集まりではなく、新しいタイプの生きたロボットで、本当にたくさんの細胞でできていました。

この生きているロボットは下の写真のような見た目で、大きさは 1 mm 未満です。


そして、こうして出産するのです。 。 。

正確に言うと、子供たちはこれらの生きているロボットによって生まれるのではなく、彼らによって「蓄積」されます。

すごいですよね?

しかし、赤ちゃんを産む仕組みを語る前に、まずはロボットには全く見えないこの「生きているロボット」が何に使われているのか見てみましょう。

2020年、バーモント大学、タフツ大学、ハーバード大学が共同で、史上初の「生きている」ロボットを開発しました。

これは、科学者がアフリカツメガエルの胚から抽出した幹細胞から作られています。

(幹細胞: 無制限または不死の自己複製能力を持ち、少なくとも 1 種類の高度に分化した子孫細胞を生成することができる細胞の一種。)

簡単に言えば、幹細胞は心筋細胞、神経細胞、皮膚細胞など、他の多くの種類の細胞に変化することができます。これが、受精卵から人間に成長できる理由です。

この生きたロボットの変形の過程で、抽出された胚性幹細胞が皮膚細胞と心筋細胞に分化すると、科学者たちはこれら2種類の細胞を組み合わせて生きたロボットを作ろうと試みた。

生きたロボットを構築するためのコンポーネントとして、皮膚細胞と心筋細胞を選択するのはなぜですか?

皮膚細胞は生体ロボットの支持構造として機能するため、他の皮膚細胞や心筋細胞を接着する接着剤としても機能します。

心筋細胞は収縮と弛緩の能力を持っているため、生きたロボットの動力機構として利用することができ、それはロボットに足を与えることと同等です。

心筋細胞と皮膚細胞を一定数配置して組み合わせることで、生きたロボットを組み立てることができます。

しかし、これらのいくつかのステップだけでは、有用で長寿命の生きたロボットを作成するには不十分です。

最も完璧な生体ロボットを作成するには、これら 2 種類の細胞群の最適な配置と組み合わせを知る必要もあります。

科学者たちは、2種類の細胞の特性や量などの情報をスーパーコンピューターに入力し、アルゴリズムを100回以上最適化した後、何百万もの組み合わせを計算し、最も効率的な組み合わせを選択しました。

このようにして組み立てられた生きたロボットは、動くだけでなく、長期間生きることができ、小さな物体を押すことさえできます。

コンピューターでいくつかの完璧な組み合わせをシミュレートした後、次のステップは実際のセルを使用してそれらを組み立てることです。

実際の操作は常に最も困難です。

このステップは、ミクロンレベルの細胞に手術を施すとも言え、マイクロピンセットを使用し、顕微鏡下での操作が必要となります。

数え切れないほどの失敗を経て、最初の生きたロボットが誕生し、科学者たちはそれを Xenobot と名付けました。

そうです、それはコーヒー豆のように見える、幅 1 mm 未満の小さな球状のものです。

これらの生きたロボットは、事前に計算された組み合わせに従って修正されるため、「誕生」するとすぐに、いくつかの単純な円運動や直線運動を実行できます。

科学者たちはこのような生きたロボットを作るために多大な努力を払ってきました。それは何に使えるのでしょうか?

将来的には、スーパーコンピューターを通じて事前にプログラムすることが可能となり、科学、医療、環境保護などの分野で真の力を発揮できるようになるでしょう。

たとえば、これらの生体ロボットは非常に小さいため、一定の耐荷重も備えています。

将来的には、海洋マイクロプラスチックの除去や、標的薬物送達に使用されたり、動脈を塞ぐ血栓を除去するために血液中に送達されたりする可能性があります。

さらに、自己修復が可能であり、将来的には人間の臓器や組織の修復にも使用できる可能性があります。

ちなみに、これはアベンジャーズのアイアンマンのナノアーマーではないですか?

[[438340]]

こうしてみると、上記の機能は現在開発中のナノロボットと似ていると言えるかもしれません。

なぜ生きたマイクロロボットが欲しいのでしょうか?

生物マイクロロボットは本質的に小さな肉片であるため、作業と分解の過程で追加の汚染を発生させません。作業を終えると、死んだ細胞になって体外に排出され、エネルギーを供給するために他のものを使用する必要はありません。

生体ロボットの研究開発チームは次のように述べている。「この生物ロボット変換技術は、外傷の修復、遺伝性疾患、癌、老化の分野で大きな役割を果たすことができ、再生医療の発展方向もリードするだろう。」

生きたロボットは最も理想的なマイクロロボットであると言えます。

そこで、その応用の見通しを理解するために、出発点に戻ってみましょう。

この生きているロボットはどうやって子供を「出産」したのでしょうか?

実際のところ、彼は実際に子供を産んだわけではなく、幹細胞を束ねて繊毛を持つ弟を産んだのです。

まず、科学者たちは、生きたロボットの中のペトリ皿に、いくつかの分離された幹細胞を配置した。

研究者たちは、生きたロボットが自らこれらの幹細胞を集め、その数が十分に多くなると、集められた幹細胞が繊毛を持った泳ぐ弟分になることを発見した。

しかし、この「子どもを救う」方法で「生まれた」弟たちは、みんな寿命が短く、すぐに死んでしまいます。

そこで科学者たちは、生きたロボットの形を変えて、もっとたくさんの弟分を作ることはできないかと再び考えている。

ここで AI が活躍します。科学者たちは Deep Green のスーパーコンピューターを使用して、仮想世界で数十億種類の生きたロボットの形状をシミュレートします。

生きたロボットが「子育て」するのに最も適した形状を見てみましょう。

三角形、ピラミッド、正方形、そして「パトリックスター」の形など、さまざまな形を試しました。 。 。

AI が最終的に作成した形状は何だと思いますか?

パックマン!!!

科学者たちはAIがパックマンを選んだ理由を説明できない。

本当に口が開いているからこそ、より多くの幹細胞を「集める」ことができるのでしょうか?

しかし、その後のテストを通じて、パックマン型の生活ロボットは弟の寿命を大幅に延ばしました。

球形の時は最大で2組の兄弟しか集められず、3組目が現れた時には前にいた兄弟は全員死んでいた。

改良後、弟たちを4つのグループに集めることができるようになりました。

2バッチから4バッチに増えただけだが、これは男女の区別がなく、誰でも蓄積できる。弟の蓄積がどれだけ早く達成できるかは分からない。

最も重要なことは、これらの生きているロボットによって生み出された子供たちはロボットではなく、繊毛を持つ別の種類の制御不能な小さな生き物であるということです。

あなたが今何を考えているか、私には分かります。

こいつはエイリアンじゃないのか?人類は絶滅するだろう。 。

いや、いや、いや。 。停止。 。 。 。

一見すると怖いかもしれませんが、この生きているロボットはあなたの頭の中にあるイメージとはかけ離れています。

まず、生きているロボットを作るには数十時間以上かかります。

第二に、環境温度、培養皿の湿度、幹細胞濃度がわずかに変化すると、その子孫は光の速さで死んでしまいます。

これらは非常に壊れやすいので、ここにいる皆さんは、これらの生きたロボットが「人類を絶滅させる」のを見ることは決してないだろうと思います。

しかし、研究チームは後に「これらの素晴らしい応用の見通しは前提に基づいているため、まず細胞集団の構築を予測し、制御する方法を見つけ出す必要がある」と述べた。

たとえば、前述のように、これらの生きているロボットはなぜ円を描いて回転することで子供たちを「集める」のでしょうか。生きているロボットの自己治癒能力を実現するために、細胞はどのように互いに通信するのでしょうか。AI はなぜパックマンの形をした生きているロボットを選んだのでしょうか。その利点は何でしょうか。

このような疑問は他にもたくさんあり、科学者は引き続き探求する必要があります。

Xenobot 自体もコンピューターで設計された人工生物です。従来のロボットや、私たちがすでに知っている動物種ではありません。新しい種類の人工製品であり、生きていてプログラム可能な生物です。

科学界はまだこれがロボットなのか生物なのかを定義していないため、このものの将来を過小評価することはできません。

<<:  高性能自動運転ドメインコントローラ設計の主要要素

>>:  次世代の顔認識技術とは何でしょうか?ここを見て

ブログ    

推薦する

住宅街、公衆トイレ、ジム...「顔認識」はどこにでもあります。どこでも顔をスキャンする必要があるのでしょうか?

[[377911]]昨年12月中旬、上海市民の夏さんは徐匯河畔にレジャーに出かけ、「海上タワー」近...

Foreign Media Express: 2017 年の機械学習に関する 10 の予測

[51CTO.com オリジナル記事] Foreign Media Express は、ヌカ・コーラ...

トヨタが GenAI を活用して IT サービスを変革する方法

「私の大胆な決断の1つは、2025年までに従来のヘルプデスクを廃止したいということだった」とトヨタ自...

...

機械学習の時代に神経科学者はいかにして人間の思考を読み取り解読できるか

[[408373]]この記事では主に機械学習 (ML) と機能的磁気共鳴画像法 (fMRI) の応用...

Redis に基づく分散ロックと Redlock アルゴリズム

[[414221]]この記事はWeChatの公開アカウント「UP Technology Contro...

...

人間の運転、交通事故の最大の欠陥 | 自動運転車の交通安全に関する白書が発表

今年の自動運転業界は商用化がキーワードです。年末に、百度、中国自動車技術研究センター、同済大学が共同...

...

時空間予測に適した時系列表現学習法

最近、香港科技大学、上海AIラボなどの組織が共同で時系列の教師なし事前トレーニングに関する論文を発表...

AI音声アシスタントの台頭:利便性とセキュリティのバランス

ChatGPT は私たちが知る限り最新の音声アシスタントです。 SiriやAlexaなどの企業は長年...

スマートビルディングにおけるエッジAIの役割を解明

仕事や住居のための物理的な空間として機能することから、入居者に活気ある建築体験を提供することまで、近...

ロボットはペンを回したりクルミを転がしたりすることを学びました。 GPT-4では、タスクが複雑になるほどパフォーマンスが向上します

ビッグデータダイジェスト制作親愛なる友人たち、人工知能(AI)がチェス、囲碁、Dotaを征服した後、...

Google Robotics Research Scientist: ML 論文の要点を素早く理解するための 5 つの質問を覚えておきましょう

[[382214]]編纂者:Qi Lubei編集者:陳彩仙機械学習の分野は非常にホットであり、新しい...

Web3.0時代: インターネット上で作成したものはすべてあなたのものになります

Web3.0 の最も特別な点は、ユーザーが作成したデジタル コンテンツの所有権と管理権がユーザーに...